CNN, image recognition study materials CNN, image recongnition 공부 자료
공부중...
https://www.kdnuggets.com/2018/04/building-convolutional-neural-network-numpy-scratch.html https://jonathan-hui.medium.com/gan-dcgan-deep-convolutional-generative-adversarial-networks-df855c438f http://daddynkidsmakers.blogspot.com/2017/02/blog-post_24.html https://www.youtube.com/watch?v=h7iBpEHGVNc&ab_channel=StanfordUniversitySchoolofEngineeringStanfordUniversitySchoolofEngineering https://www.youtube.com/watch?v=f0t-OCG79-U https://www.cs.ryerson.ca/~aharley/vis/conv/flat.html https://www.superdatascience.com/blogs/the-ultimate-guide-to-convolutional-neural-networks-cnn
어렵다 (이제 다 이해함)
계속 공부중
almost done 아직 하는중 다함 이제 rnn
- input image (너무 큼. 그래서 작게 만들어주거나, 대강의 느낌을 파악해야함.) 그래서 feature detector로 convolve함.
- 그렇게 해서 나오는게 feature map(=activation map)
- 이걸 여러번 해서 feature map을 모으면 그게 하나의 convolutional layer가 됨
- 그다음 feature map들의 non-linearity을 키우기 위해서 ReLU 함수에 통과 시킴.
- 그다음에 해야하는건 pooling임 (이거를 하는 이유는 이미지의 텍스쳐, 촬영 거리, 각도 등으로 인한 오차를 최대한 줄이기 위해서임. Max, sum, mean 등의 pooling이 있음. 이거를 수행하면 'spatial variance'를 유지할 수 있음)
- spatial variance는 중요한게 이미지에서는 픽셀간의 공간적인 상대적 위치가 중요하기 때문임.
- 하여간 이 pooling layer를 얻어냄.
- 그다음엔 이 pooling layer들을 각각 flattening 해줄거임. 길게 늘어놓는거임.
- 그리고 이제 이 flattened layer를 ANN에 넣어주어야 함.
추가