일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- numpy
- AIFFEL
- 사회조사분석사2급
- 히비스서커스
- 도커
- logistic regression
- Jupyter notebook
- CellPin
- GIT
- vscode
- Pull Request
- docker exec
- docker
- 코크리
- airflow
- ssh
- 티스토리챌린지
- IVI
- 백신후원
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- WSSS
- 오블완
- cocre
- HookNet
- 기초확률론
- aiffel exploration
- cs231n
- docker attach
- Decision Boundary
- 프로그래머스
Archives
- Today
- Total
목록image classification (1)
히비스서커스의 블로그
[CS231n 2] Image Classification
※ 이 내용들은 전적으로 스탠포드 대학의 CS231 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다. ※ 2. Image Classification 이미지 분석의 문제 - 입력 이미지가 주어졌을 때 여러 가지 카테고리 중 어디로 분류할 것인가? - 컴퓨터는 이미지를 숫자들의 집합(행렬)로 인식하기 때문 * Segmatic Gap - 사람의 인식과 컴퓨터의 인식에서 발생하는 차이 - 여러 이미지가 동일한 대상을 나타내고 있어도 픽셀값이 다 다르기 때문에 인식하는 것은 매우 어려움 2-1. 첫번째 고전적 방식 - edge와 corner를 이용 * edge와 corner의 간략한 의미 - edge: 가장자리 - corner: 패인 부분 문제점 - 한 개체에 대해 여러 개(조명, 방향, 자세, 가려짐 등에 의해..
Theory/Computer Vision
2020. 12. 30. 22:42