전체 글

전체 글

    [컴퓨터비전#7/09-28] Linear Regression, 벡터화, feature map

    [컴퓨터비전#7/09-28] Linear Regression, 벡터화, feature map

    [컴퓨터비전#6/09-26] 기계학습의 종류와 개념, 손실함수, 손실함수와 파라메타 [컴퓨터비전#5/09-21] 그레디언트(엣지방향,강도), 소벨마스크 엣지검출, 엣지 잡음과 DOG & LOG 마스 [컴퓨터비전#4/09-19] 엣지 검출, 엣지 검출을 위한 미분 활용, 이미지에서의 미분 개념 [컴퓨터비 devforyou.tistory.com 본 포스팅은 2022-09-28(수), 국민대학교 김장호교수님의 컴퓨터 비전 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다. # 시작하며 함수 f*의 진리값(최적)의 함수가 존재한다. 우리의 목표는 input데이터 Z로부터 대략적은 함수를 만들어 진리의 f*에 근접하게 만드는 것이다. 그러나 f*를 정확히 알 수 없기 때문에 어렵다. Linear Regr..

    [컴퓨터비전#6/09-26] 기계학습의 종류와 개념, 손실함수, 손실함수와 파라메타

    [컴퓨터비전#6/09-26] 기계학습의 종류와 개념, 손실함수, 손실함수와 파라메타

    [컴퓨터비전#5/09-21] 그레디언트(엣지방향,강도), 소벨마스크 엣지검출, 엣지 잡음과 DOG & LOG 마스 [컴퓨터비전#4/09-19] 엣지 검출, 엣지 검출을 위한 미분 활용, 이미지에서의 미분 개념 [컴퓨터비전#3/09-16] 필터링( 메디안, 평균, 가우시안), 동차좌표와 동차행렬 [컴퓨터비전#2/09-14] 히스토그램, devforyou.tistory.com 본 포스팅은 2022-09-26(월), 국민대학교 김장호교수님의 컴퓨터 비전 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다. # 기계학습 컴퓨터비전에는 기계학습(머신러닝)과 같은 지식이 필요하기때문에, 다음 단원을 시작하기전에 크게크게 개념을 잡아주시기 위해서 이번 수업을 진행하셨다. 기계학습방법을 크게 4가지로 나누어 볼..

    [디자인패턴] 데코레이터 패턴(Decorator Pattern)

    [디자인패턴] 데코레이터 패턴(Decorator Pattern)

    # 설명 객체(오브젝트)에 동적으로 책임(기능)을 추가한다. 뜻 그대로 피자의 토핑을 하나씩 올리는거와 같이 기능을 하나씩 추가해 나간다. 상속을 사용하지 않고도 유연하게 기능의 확장이 가능하다. ( 특히 자바는 다중 상속을 지원하지 않는다 ). Component - 동적으로 추가할(될) 서비스를 가질 수 있는 객체 정의 ConcreteComponent - 추가적인 서비스가 필요한 실제 구현 객체 Decorator - Component의 참조자를 관리하면서 Component에 정의된 인터페이스를 만족하도록 정의 ConcreteDecorator - 새롭게 추가되는 서비스를 실제 구현할 클래스로 addBehavior()을 통해 구현. ## 간단 예제 라면을 정의한 라면 클래스를 상속받는 카레라면과 너구리라면..

    [인공지능#4/09-21] 학습모델(검증, k-교차검증)선택, 규제(데이터 증대, 가중치 패널티), 인공지능 기본수학

    [인공지능#4/09-21] 학습모델(검증, k-교차검증)선택, 규제(데이터 증대, 가중치 패널티), 인공지능 기본수학

    [인공지능#3/09-19] 기계학습 훈련과정, 오버피팅(overfitting)과 언더피팅(underfitting), 편향(bias)과 변 [인공지능#2/09-14] 특징공간, 차원의 저주, 기계학습의 전반적 개요 및 목적함수의 의미와 훈련과 [인공지능#1/09-07] 인공지능의 정의, 교사학습, 비교사학습, 강화학습, 준교사학습, 모델의 유형 devforyou.tistory.com 본 포스팅은 2022-09-21(수), 국민대학교 이재구 교수님의 인공지능 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다. # 시작하며 저번 시간에는 과대적합(overfitting)과 과소적합(underfitting)에 대해서 공부했다. 이 현상은 모델의 자유도때문에 생기는 결과이다. 모델이 너무 크면(높은 차항)..

    [컴퓨터비전#5/09-21] 그레디언트(엣지방향,강도), 소벨마스크 엣지검출, 엣지 잡음과 DOG & LOG 마스크

    [컴퓨터비전#5/09-21] 그레디언트(엣지방향,강도), 소벨마스크 엣지검출, 엣지 잡음과 DOG & LOG 마스크

    [컴퓨터비전#4/09-19] 엣지 검출, 엣지 검출을 위한 미분 활용, 이미지에서의 미분 개념 [컴퓨터비전#3/09-16] 필터링( 메디안, 평균, 가우시안), 동차좌표와 동차행렬 [컴퓨터비전#2/09-14] 히스토그램, 히스토그램 평활화, 점연산(선형,비선형,디졸브),영역연산(상관, 본 포스팅은 2022-09-14 devforyou.tistory.com 본 포스팅은 2022-09-21(수), 국민대학교 김장호교수님의 컴퓨터 비전 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다. # 시작하며 저번시간에는 미분을 통해서 엣지인 지점을 어떻게 찾을 수 있는지, 이를 마스크를 통해서 계산하는 방법에 대해서 배웠다. 배운 내용을 간단히 요약 해보며 시작하겠다. 영상(=이미지)에서 엣지(edge)는 픽..