AI51 [용어 정리] U-Net, 이미지 처리 딥러닝 용어 [딥러닝 용어 정리] U-Net, 이미지 처리 딥러닝 용어 이미지 디노이징 모델 - 정보를 압축하는 인코더와 정보로부터 이미지를 복원하는 디코더로 구성 U-Net은 인코더의 출력을 디코더의 입력으로 사용함으로서 정보를 복원할 때 추출된 특징을 참고할 수 있습니다. 인코더-디코더(Encoder-Decoder) - 특징을 추출하는 인코더와 특징으로부터 정보를 복원하는 디코더를 갖는 형식 U-Net의 구조 1. 이미지를 합성곱을 이용해 특징 추출 2. 압축된 정보를 디코더에서 복원되어 입력과 같은 크기의 출력 생성 (업샘플링층) 3. 복원된 특징은 합성곱을 이용해 추출된 특징과 합쳐짐 (원래의 특징과 복원된 특징을 합침) 업샘플링(Upsampling) - 이미지에서 추출한 특징을 이용해 이미지를 복원하는 과정.. 2024. 1. 18. [용어정리] 이미지 처리 딥러닝 [딥러닝 용어 정리] 이미지 처리 딥러닝 ResNet 스킵 구조를 이용한 CNN 신경망 기울기 소실(Gradient vanishing) 은닉층이 깊어짐에 따라 입력층에 가까운 가중치들의 기울기가 0에 가까워지는 현상을 의미합니다. 기울기가 0이 되면 가중치가 더 이상 업데이트되지 않기 때문에 학습이 이루어지지 않습니다. 배치 정규화 배치 간의 차이를 정규화 해주므로 더 안정되게 학습할 수 있습니다. 모델의 입력으로 들어오는 배치의 값의 분포가 서로 다르면 배치마다 출력 값의 분포 또한 달라지기 때문에 학습에 악영향을 미칩니다. nn.Sequential 커스터마이징이 불가능하지만 forward() 메서드를 직접 작성할 필요가 없습니다. 하지만 신경망 커스터마이징이 되지 않기 때문에 복잡한 신경망에는 nn... 2024. 1. 16. [용어 정리] 이미지 처리 딥러닝 [딥러닝 용어] 이미지 처리 딥러닝 합성곱 작은 필터를 이용해 이미지로부터 특징을 뽑아내는 알고리즘 CNN 합성곱층을 반복적으로 쌓아서 만든 인공 신경망 특징 맵 합성곱층의 결과 합성곱층이 특징을 추출한 뒤의 이미지 데이터 증강과 전처리 더 원활한 학습을 위해 데이터를 수정하는 기법. 데이터 증강은 이미지를 회전시키거나 잘라내는 등, 데이터 하나로 여러가지 형태의 다른 데이터를 만들어 개수를 늘리는 기법 데이터 전처리는 학습에 이용되기 이전에 처리하는 모든 기법을 의미함 데이터 증강도 데이터 전처리의 일종 이미지 정규화 이미지의 픽셀 간 편향을 제거하는 데 사용 각 채널의 분포가 동일해지므로 학습이 원활하게 이루어짐 패딩 이미지 외곽을 0으로 채우는 기법으로, 합성곱 전 후 이미지 크기를 같게 만들어 줌.. 2024. 1. 15. [용어정리] 파이토치 회귀 분석 [용어정리] 파이토치 회귀 분석 사이킷런(scikit-learn) 데이터 분석 및 머신러닝용 파이썬 라이브러리. 다양한 데이터셋도 제공한다. 특징(feature) 딥러닝에서 결과를 예측하는 데 사용되는 데이터 요소. 피처, 특성이라고도 부른다. 선형회귀(linear regression) 데이터를 y와 x의 관계를 나타내는 직선으로 나타내는 방법 평균 제곱 오차(MSE) 오차에 제곱을 취하고 평균을 낸 값 배치(batch) 딥러닝 모델의 가중치를 업데이트시킬 때 사용되는 데이터의 묶음 단위 에포크(epoch) 배치 크기 단위로 전체 데이터 모두를 학습하는 단위 이터레이션(iteration) 1 에포크를 완성시키는 데 필요한 배치의 반복 횟수 2024. 1. 13. 이전 1 ··· 5 6 7 8 9 10 11 ··· 13 다음 728x90