Bias를 더하게 되면 특성 추출을 강화할 수 있고, 비선형성을 강화할 수 있습니다. 예를 들어, 필터는 주어진 입력에 대해 여러 값을 곱하고 더하는 연산을 통해 새로운 특성을 만드는데, 필터 결과만으로 모든 입력에서 일정한 특성만 반영하기 어렵습니다. 따라서 이를 보정하기 위해 Bias가 필요합니다...도움되셨기 바랍니다.^^
feture learning을 하는 부분이 classification 부분까지 포함하는것 아닌지요? 러닝을 시키면서 오류가 있으면 필터의 계수를 수정하는 부분이 포함되어야 할텐데, 그렇게 하려면 분류까지 해서 오류값을 구하고, 그 오류값을 backward 시키면서 필터 계수를 업데이트하는 거 아닌지요?
네트워크를 사용하지 않는 AI 방식에서는 이미지 인식을 위해 주로 특징 추출과 대조 과정을 사용합니다. 여기서 특징 추출은 이미지에서 중요한 경계선이나 점과 같은 정보를 찾아 수치로 표현하는 과정입니다. 학습 과정에서 이런 특징 데이터를 저장해두고, 새로운 이미지가 입력되면 같은 방식으로 특징을 추출해 저장된 데이터와 비교합니다.필터는 이미지의 특징을 추출하는 도구로 사용되며, 저장된 학습 데이터와 새로운 이미지를 비교하기 위해 동일한 방법으로 적용됩니다. 이 과정은 딥러닝 방식과는 달리 사람이 미리 정의한 규칙을 따르는 전통적 방식으로 수행됩니다.
필터 역할을 입력데이터에서 특정 패턴이나 특성을 감지할 때 사용합니다. 필터 숫자가 많을수록 다양한 패턴을 감지할 수 있으나, 속도가 저하됩니다. 필터 숫자는 실험적으로 정해지고, 네트워크 설계자가 최적의 숫자를 선택합니다. 일반적으로 첫번째 층에서는 적은 수의 필터(예:32, 64개)를 사용하고, 깊어질수록 필터 갯수를 증가시켜 더 많은 특성을 학습할 수 있도록 합니다.
강의 보다가 궁금한게 있어서 댓글 남겨요. CNN 이 Convolutionary Part 와 Fully Connected Part로 구성된다고 하셨는데 Convolutionary Part에서는 Feature learning을 하고, Fully Connected Part 에서는 Classification을 한다고 보면 될까요?
안녕하세요..애청해 주시고 좋은 질문 주셔서 감사드립니다..주신 질문에 대한 답변은 다음과 같습니다. 답변: 전통적인 이미지 처리 방법에서는 사용자가 직접 추출하고자 하는 Feature Map에 따라 Filter 값을 설정해주었지만 Deep Learning에서 Convolution은 컴퓨터가 학습을 통해 Filter 값을 설정해줍니다. 학습을 통해 변하지 않는 Feature를 출력 데이터로 나오도록 Filter의 값을 학습합니다.
Pooling은 특징맵의 크기를 줄이는 다운 샘플링 기법입니다. 이를 통해 연산량과 메모리 사용을 감소시킬 수 있으며, 작은 이동이나 왜곡에도 중요한 특징을 잘 유지시킬 수 있도록 모델을 강건하게 하는 효과도 있습니다. 아울러, 데이터 복잡성과 파라미터 수를 줄여 과적합을 방지하는 역할도 합니다...도움되셨기 바랍니다.^^
![[데이터로 세상보기]](http://yt3.ggpht.com/AAXIy5ubYrBsfEaaVDhqZiwUSa5mJ3jJLQzu1gamf_xP3tsJ6pTKI8JZtgpclUHcZoYhReAsIw=s48-c-k-c0x00ffffff-no-rj)
![[딥러닝] CNN (컨볼루셔널 뉴럴 네트워크, 합성곱 신경망)](http://i.ytimg.com/vi/RLlI9q6Uojk/mqdefault.jpg)
![[DRAGON BALL LEGENDS REVEALS ＆ STUFF] LEGENDS FESTIVAL 2024 Special Edition Part 2](http://i.ytimg.com/vi/af0phKxitX8/mqdefault.jpg)
대학 면접 준비하는 중에 보게 되었는데 이해하기 쉽게 설명해주셔서 완벽하지는 않지만 이해하기 수월했습니다 감사합니다
감사합니다..도움되셨다니 다행입니다...앞으로도 애청 부탁드립니다.
훌륭합니다. ^^
좋은 평가해주셔서 감사합니다.^^
김교수님 명강의 잘 보았습니다. 코로나에 항상 건강하시기 바랍니다.
관심갖고 봐주셔서 감사드립니다.!!! 하시는 모든 일에 건승하시길 바라겠습니다..^^
감사합니다.
빅데이터분석기사 독학 중에 CNN 설명이 텍스트로는 도저히 와 닿질 않아 설명 찾다가 보게 되었습니다, 쉽고 유익한 설명 감사드립니다 교수님
앞으로도 많은 애청 바랍니다..
감사합니다!
강의 감사합니다 ~ 쏙쏙 들어와요
감사합니다^^ 앞으로도 많은 애청 부탁드립니다
very good !!!!
감사합니다.^^ 앞으로도 많은 애청 부탁드립니다.
정말 설명 잘하시네요 친하게 지내고 싶어요 ㅎㅎ👍🏻
감사합니다..^^ 앞으로도 많은 애청 부탁드립니다
편향을 더하는 이유에 대해서 궁금합니다.
Bias를 더하게 되면 특성 추출을 강화할 수 있고, 비선형성을 강화할 수 있습니다. 예를 들어, 필터는 주어진 입력에 대해 여러 값을 곱하고 더하는 연산을 통해 새로운 특성을 만드는데, 필터 결과만으로 모든 입력에서 일정한 특성만 반영하기 어렵습니다. 따라서 이를 보정하기 위해 Bias가 필요합니다...도움되셨기 바랍니다.^^
좋은 영상 감사합니다. 딥러닝 개인공부중인데요. 출처남겨놓고 자료사진들 포스팅해도될까요?
네..그러시지요^^ 애청해 주셔서 감사합니다.
21:10 궁금한점이 있어 질문을 남깁니다
Input의 28*28*1이 5*5 Conv를 통과하면 24*24가 되는건 알겠는데 왜 채널이 여러개(n1)인지 이해가 안가는데 혹시 설명 부탁드려도 될까요?
저도 초보이지만, 제 생각에는 Kernel (filter)를 n1개를 같은 이미지에 대해서, 다르게 사용하여서 그런것 같습니다.
feture learning을 하는 부분이 classification 부분까지 포함하는것 아닌지요? 러닝을 시키면서 오류가 있으면 필터의 계수를 수정하는 부분이 포함되어야 할텐데, 그렇게 하려면 분류까지 해서 오류값을 구하고, 그 오류값을 backward 시키면서 필터 계수를 업데이트하는 거 아닌지요?
feature selection에서는 모델 학습전에 데이터 처리 단계로서, 가장 중요한 특성을 선택하여 모델 성능을 향상시키고 과적합을 방지하는 단계입니다. 이 때 classification을 포함하지 않습니다.
잘 보겠습니다 궁금한게 네트워크를 사용하지 않는 AI.
예로 이미지 영상 인식같은걸할때 학습결과물 Feature 데이터만 저장해두는 방식인건가요? 인식을하려면 대조가 필요할텐데 그럼 대조할 이미지도 필터를 돌려서 저장된 학습결과물과 대조를 하는건가요?
네트워크를 사용하지 않는 AI 방식에서는 이미지 인식을 위해 주로 특징 추출과 대조 과정을 사용합니다. 여기서 특징 추출은 이미지에서 중요한 경계선이나 점과 같은 정보를 찾아 수치로 표현하는 과정입니다. 학습 과정에서 이런 특징 데이터를 저장해두고, 새로운 이미지가 입력되면 같은 방식으로 특징을 추출해 저장된 데이터와 비교합니다.필터는 이미지의 특징을 추출하는 도구로 사용되며, 저장된 학습 데이터와 새로운 이미지를 비교하기 위해 동일한 방법으로 적용됩니다. 이 과정은 딥러닝 방식과는 달리 사람이 미리 정의한 규칙을 따르는 전통적 방식으로 수행됩니다.
잘 쉽게 이해 했습니다. 한가지 부탁이 있는데요, 영상들 타이틀에 순번이 있으면 다음 봐야할 영상들을 쉽게 찾을 수 있겠습니다. 혹시 순번을 타이틀에 포함해 주실 수 있으신지요? 명강의 잘 듣고 갑니다.
좋은 의견 감사드립니다. 사실 각각의 선후 관계를 염두에 두고 만든 것은 아닌데요..앞으로 영상 올릴 때 한 번 고민해 보겠습니다..^^;;
좋은 강의 감사드립니다 혹시 태블릿은 어떤 기종 쓰시는지요
Wacom 신티크 DTK-2200을 사용하고 있습니다. 2019년에 구입한 것이라서, 지금은 훨씬 좋은 모델이 많이 나와 있을 것 같습니다.^^
좋은 강의 감사합니다 필터의 숫자는 어떻게 정해지고 무슨 역할을 하는 것인지 알 수 있을까요?
필터 역할을 입력데이터에서 특정 패턴이나 특성을 감지할 때 사용합니다. 필터 숫자가 많을수록 다양한 패턴을 감지할 수 있으나, 속도가 저하됩니다. 필터 숫자는 실험적으로 정해지고, 네트워크 설계자가 최적의 숫자를 선택합니다. 일반적으로 첫번째 층에서는 적은 수의 필터(예:32, 64개)를 사용하고, 깊어질수록 필터 갯수를 증가시켜 더 많은 특성을 학습할 수 있도록 합니다.
20:29 에서 질문있습니다. Conv2 를 수행하면 Depth가 2배 늘어나는데, 이 부분이 이해되지 않네요...
강의 보다가 궁금한게 있어서 댓글 남겨요. CNN 이 Convolutionary Part 와 Fully Connected Part로 구성된다고 하셨는데 Convolutionary Part에서는 Feature learning을 하고, Fully Connected Part 에서는 Classification을 한다고 보면 될까요?
네 맞습니다.^^ 정확합니다. Convolutional Part는 특성추출, Connected Part는 분류를 담당합니다.
강의 감사합니다~ 근데 궁금한게 입력 이미지에 합성곱 연산 후, 편향(bias)을 더하는 이유가 뭔가요??
동영상 감사합니다. 보다가 궁금한 점이 생겨서 그런데요,
- 필터의 값은 초기에 임의로 설정하면 되는 건가요? 아니면 어떤 범위내의 수로 설정해야 되는 건가요?
안녕하세요..애청해 주시고 좋은 질문 주셔서 감사드립니다..주신 질문에 대한 답변은 다음과 같습니다.
답변: 전통적인 이미지 처리 방법에서는 사용자가 직접 추출하고자 하는 Feature Map에 따라 Filter 값을 설정해주었지만 Deep Learning에서 Convolution은 컴퓨터가 학습을 통해 Filter 값을 설정해줍니다. 학습을 통해 변하지 않는 Feature를 출력 데이터로 나오도록 Filter의 값을 학습합니다.
@@데이터로세상보기 자유의지가 있네요
선생님. 콘볼루션연산시 필터는 어떻게 만들어 지나요? 3*3필터를 만들때 그냥 랜덤값으로 만들어 사용하는지 궁금합니다.
확인해보겠습니다..저도 아주 자세히 파악하지는 못했네요..ㅠㅠ
Pooling이라는 것이 뭔가요?
Pooling은 특징맵의 크기를 줄이는 다운 샘플링 기법입니다. 이를 통해 연산량과 메모리 사용을 감소시킬 수 있으며, 작은 이동이나 왜곡에도 중요한 특징을 잘 유지시킬 수 있도록 모델을 강건하게 하는 효과도 있습니다. 아울러, 데이터 복잡성과 파라미터 수를 줄여 과적합을 방지하는 역할도 합니다...도움되셨기 바랍니다.^^
수업은 너무 좋은데 마이크 바꿔주세요 상태 심각해요 마이크 빼고는 완벽해요
네..제가 그 영상 찍을 때 마이크 설정을 좀 잘못했었네요. . 앞으로 유의하겠습니다. 그리고 앞으로도 많은 애청부탁드립니다..^^
@@데이터로세상보기 그래도 수업은 너무 괜찮았습니다 많은 영상들도 챙겨보겠습니둥