_nannara

제가 발표했던 자료입니다. 추가자료 cutmix 하는 이유? cutmix - 하나의 의미지 안에 두개의 레이블을 가진 이미지를 “적당한 비율”(ex. 고양이 3 강아지 7)로 배치하여, 두개의 레이블이 하나의 이미지에 비율에 맞게 배치되는 전략이다. - 다양한 레이블 간의 상관 관계를 모델이 학습할 수 있게 되며, 일반화 성능을 향상시키는 효과 기대 - 모델 이미지의 특정 부분만 보고 판단하는 것이 아닌 전체적인 영역을 보고 판단. -두 이미지를 섞은 것이므로 한 이미지에서 여러 개의 물체를 감지할 수 있다. 다음은 훈련시킨 모델에 대해 CAM 시각화한 자료 cutout이나 cutmix 경우 동물 각각의 몸통 부분을 집중해서 본 것으로 볼 수 있다. - mixup경우 자르는 방식보다 넓은 부분을 보고 있..

제가 발표했던 자료입니다. 출처: Kyung Hoon Han's Homepage - Deep Learning I (google.com)

제가 발표했던 자료입니다. 출처: Kyung Hoon Han's Homepage - Deep Learning I (google.com)

제가 발표했던 자료 입니다. 출처: Kyung Hoon Han's Homepage - Deep Learning I (google.com)

제가 발표했던 자료 입니다. 추가 자료 1. 교차 엔트로피 -P에 대한 확률분포 Q가 있을 떄, Q가 P와 얼마나 비슷한지를 나타내는 의미가 있다. -확률이 다를 수록 값이 커진다! (딥러닝에선 이 값을 줄이는게 목표) -Q의 엔트로피를 구하면 -P일때가 최적해이므로, H(P,Q) > = H(P)이다. Q가 P와 비슷할수록 H(P,Q)는 H(P)에 가까워진다. 예시 확률 [0.8,0.2] (A일 확률: 80%, 아닐 확률: 20%) 이 값이 정답인 [1.0,0.0] 과 얼마나 다른지 측정 p(정답) = [1,0] 확률 1: [0.8,0.2] / Q(A)=0.8 Q(B) = 0.2 -> H(P,Q) =-1x log20.8log2⁡0.8 = 0.3219 확률 2: [0.5,0.5] ->-1x log20.5l..

제가 발표했던 자료 입니다. 출처: https://sites.google.com/site/kyunghoonhan/deep-learning-i

제가 발표했던 자료 입니다. 참고: https://sites.google.com/site/kyunghoonhan/deep-learning-i

제가 발표했던 자료 입니다. 참고: Kyung Hoon Han's Homepage - Deep Learning I (google.com)