STUDY

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 인간의 뇌를 모방하기 위한 것. 딥러닝이 다른 인공지능에 비해 효과가 뛰어난 것은 인간의 뇌를 모방했기 때문일지도.. 앞서 FNN으로 이미지 분류에 실패 사실 퍼셉트론은 인간의 뇌가 시각적 정보를 처리하는 방식을 모사하기에는 적절치 않음. 영상 정보를 잘 학습하려면 사람의 뇌가 영상을 처리하는 방식을 따라 하는 것이 좋을 것이다. 그렇다면 우리의 뇌는 어떻게 시각적 정보를 처리할까? ●인간의 뇌가 시각 정보를 처리하는 방법 - 시각 정보가 흘러가는 경로 시각적 정보는 안구와 시신경을 거쳐 뇌의 외측슬상핵을 통해 ..

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, 테스트 데이터 1만장 규모의 데이터 각 사진은 32 x 32 사이즈의 컬러 이미지. 데이터의 차원을 표현하면 (32,32,3). 컬러 이미지는 RGB 3가지 색상을 각각 표현해야 하므로 가로세로 외에 3개의 차원으로 추가. 이번 예제에서는 단순하게 이미지를 흑백으로 변환. 그래서 데이터의 차원은 (32,32) ●어떤 인공지능 사용? 3층짜리 FNN 층수 종류 크기 활성화 함수 1층 Flatten 32 X 32 없음 2층 FNN 256 ReLu 3층 FNN 10 Softmax 이전의 예..

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 가로세로 28 픽셀 크기의 이미지. 배경의 값은 0이며 숫자가 기재된 구역의 값은 255. 이번 절의 예제는 배경의 값을 0, 숫자가 기재된 구역의 값 을 1로 노멀라이즈하여 학습. ●어떤 인공지능 사용? 3층짜리 FNN 층수 종류 크기 활성화 함수 1층 Flatten 28 x 28 없음 2층 FNN 256 ReLu 3층 FNN 10 SoftMax 1층에 'Flatten' - flat은 '납작한' 이라는 뜻이며 Flatten은 '납작하게 만들다' 라는 의미 말 그대로 입력받은 데이..

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 현..