2 - 1. 이미지 분류(Classification) 기법 활용하기(1)
2 - 1. 이미지 분류(Classification) 기법 활용하기(1)
2-1-1. AI는 손글씨를 인식할 수 있을까? ●데이터 살펴보기 데이터 - MNIST(엠니스트) 데이터셋 사용 MNIST - 0부터 9까지 숫자를 손으로 그린 손글씨 데이터 총 7만 장 - 트레이닝 6만 장, 테스트 1만 장
h-study.tistory.com
2 - 1. 이미지 분류(Classification) 기법 활용하기(2)
2 - 1. 이미지 분류(Classification) 기법 활용하기(2)
2-1-2. AI는 사물을 구분할 수 있을까? ●데이터 살펴보기 이번 예제에서는 CIFAR10를 사용. CIFAR10은 개구리, 트럭, 사슴, 자동차 등 현실 세계의 사물 10 종류 데이터가 포함. 트레이닝 데이터 5만장,
h-study.tistory.com
2 - 1. 이미지 분류(Classification) 기법 활용하기(3)
2 - 1. 이미지 분류(Classification) 기법 활용하기(3)
2-1-3. 시각적 정보 학습의 달인, CNN을 소개합니다! ●딥러닝, 인간의 뇌를 따라하는 인공지능 퍼셉트론은 인간의 뇌세포를 흉내 내는 기계이며, 퍼셉트론 레이어를 여러 층 쌓아 올리는 것은 인
h-study.tistory.com
2 - 1. 이미지 분류(Classification) 기법 활용하기(4)
2 - 1. 이미지 분류(Classification) 기법 활용하기(4)
2-1-4. CNN AI는 사물을 구분할 수 있을까? ●데이터 살펴보기 데이터 - CIFAR10 데이터셋 사용 이전에 FNN은 색상 정보를 처리할 수 없으므로 Flatten을 실행하기에 앞서 이미지를 흑백으로 변환시키는
h-study.tistory.com
2 - 1. 이미지 분류(Classification) 기법 활용하기(5)
2 - 1. 이미지 분류(Classification) 기법 활용하기(5)
2-1-5. AI는 사람과 말을 구분할 수 있을까? ●데이터 살펴보기 데이터 - 게임 엔진을 통하여 모델링된 사람 이미지 527장과 말 이미지 500장 데이터의 픽셀들은 기본적으로 0 ~ 255까지의 숫자. 이를
h-study.tistory.com
2 - 1. 이미지 분류(Classification) 기법 활용하기(6)
2 - 1. 이미지 분류(Classification) 기법 활용하기(6)
2-1-6. AI는 가위바위보를 할 수 있을까? ●데이터 살펴보기 데이터 - 가위, 바위, 보 사진이 각각 964장씩 준비. 데이터의 픽셀값을 0 ~ 1 사이로 노멀라이즈. ●어떤 인공지능 사용? 5층짜리 CNN, Flatte
h-study.tistory.com
2 - 2. 이미지 학습 기법 활용하기(1)
2 - 2. 이미지 학습 기법 활용하기(1)
2-2-1. AI는 거장의 화풍을 따라 할 수 있을까? - Style Transfer ●데이터 살펴보기 데이터 - 2개의 이미지 파일 A의 화풍을 학습하여 B를 A화풍으로 변환시킴. ●어떤 인공지능 사용? Neural Style Transfer을.
h-study.tistory.com
2 - 2. 이미지 학습 기법 활용하기(2)
2 - 2. 이미지 학습 기법 활용하기(2)
2-2-2. AI는 창의력을 발휘할 수 있을까? - GAN ●GAN - Generative Adversarial Networks Adversarial Networks GAN은 두 개의 신경망으로 구성. 이 두개의 신경망이 서로 게임을 하면서 상대방으로 이기기위해..
h-study.tistory.com
2 - 2. 이미지 학습 기법 활용하기(3)
2 - 2. 이미지 학습 기법 활용하기(3)
2-2-3. AI는 현실 세계의 사물을 이해할 수 있을까? - Object Detection ●YOLO - You Only Look Once 객체 탐지(object detection) 분야의 혁신적인 해결수단으로 각광받고 있음. ●Object Detection 목표 영상..
h-study.tistory.com
2 - 2. 이미지 학습 기법 활용하기(4)
2 - 2. 이미지 학습 기법 활용하기(4)
2-2-2. AI는 사진을 완벽하게 이해할 수 있을까? - Semantic Segmentation ●Semantic Segmentation Semantic Segmentation은 앞서 배운 것의 한발 더 나아간 것. 이미지 속의 모든 픽셀을 완벽히 분석하여, 각각..
h-study.tistory.com
2 - 3. CNN 활용하기(1)
2 - 3. CNN 활용하기(1)
2-3-1. [의료 AI] 현미경 영상 분석을 통한 암 진단 ●데이터 살펴보기 정상 세포의 현미경 영상과 암세포의 현미경 영상 정상 조직 사진 : 3,750장 암 조직 사진 : 625장 데이터의 모든 수치는 0 ~ 1 사
h-study.tistory.com
2 - 3. CNN 활용하기(2)
2 - 3. CNN 활용하기(2)
2-3-2. [의료 AI] 현미경 영상 분석을 통한 세포 종류 진단 ●데이터 살펴보기 8 종류의 조직 분류 각각 625장씩 데이터의 모든 수치는 0 ~ 1 사이의 숫자로 노멀라이즈하여 사용. ●어떤 인공지
h-study.tistory.com
2 - 3. CNN 활용하기(3)
2 - 3. CNN 활용하기(3)
2-3-3. [의료 AI] 흉부 CT영상 분석을 통한 폐암 진단 시맨틱 세그멘테이션이 가장 많이 연구되는 분야는 의료영상 분야. 시맨틱 세
h-study.tistory.com
'@@@ 인공지능 > 수학·통계를 몰라도 이해할 수 있는 쉬운 딥러닝' 카테고리의 다른 글
| 2 - 1. 이미지 분류(Classification) 기법 활용하기(2) (0) | 2021.07.14 |
|---|---|
| 2 - 1. 이미지 분류(Classification) 기법 활용하기(1) (0) | 2021.07.08 |
| 1 - 4. FNN 활용하기(2) (0) | 2021.07.07 |
| 1 - 4. FNN 활용하기(1) (0) | 2021.07.06 |
| 1 - 3. 회귀(Regression) 기법 활용하기(2) (0) | 2021.07.06 |