일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
- GAN
- Interpretability
- Artificial Intelligence
- SmoothGrad
- 딥러닝
- 시계열 분석
- python
- Cam
- 메타러닝
- Class activation map
- xai
- coding test
- 기계학습
- Explainable AI
- Score-CAM
- 머신러닝
- keras
- grad-cam
- 인공지능
- Machine Learning
- 설명가능한 인공지능
- AI
- 코딩테스트
- Unsupervised learning
- meta-learning
- 설명가능한
- cs231n
- 코딩 테스트
- 백준
- Deep learning
- Today
- Total
목록Deep learning/Keras (4)
iMTE
You Only Look Once : Unified Real-Time Object Detection (2016)Redmon, Joseph, et al. "You only look once: Unified, real-time object detection." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016.(학교에서 찍은 영상에 YOLO를 적용한 case. 나무는 class가 없어서 detect을 하지 못하고 대신에 자동차는 잘 detect한다) Object를 단순히 classification하는 문제는, ImageNet, CIFAR 등 dataset으로 학습된 모델 (AlexNet, ResNet, Goo..
Show and Tell: A Neural Image Caption GeneratorVinyals, Oriol, et al. "Show and tell: A neural image caption generator." Proceedings of the IEEE conference on computer vision and pattern recognition. 2015.Image-to-sentence translation은 sentence-to-sentence translation을 기초로, 기존에 Encoder로 사용된 RNN 대신에 CNN을 사용해서 이미지를 encoding을 하였다. Image-to-sentence 작업은 기존의 object detection과 object classification과 달..
참고 자료:https://www.slideshare.net/ssuser06e0c5/variational-autoencoder-76552518http://jaejunyoo.blogspot.com/2017/04/auto-encoding-variational-bayes-vae-1.htmlhttps://ratsgo.github.io/generative%20model/2018/01/27/VAE/ Variational Auto-Encoder (VAE) Auto-encoder는 high-dimensional data에 대해서 low-dimensional feature를 추출하고 (Encoder) 이 추출된 feature를 기반으로 original data를 복구하는 구조 (Decoder)를 갖고 있다. 개인적으로 참..
Generative Adversarial Networks (GAN) 두 신경망이 '경쟁'하면서 서로 학습하는 재미있는 아이디어를 가진 network를 Generative adversarial networks 라고 부른다. 두개의 신경망 중 하나는 1. Generative model, 2. Discriminator모델이다. 흔히 이 모델을 설명할 때 위조지폐를 만드는 범인과 이를 감독하는 경찰의 예를 든다. 경찰은 범인이 만든 위조 지폐를 구분을 하고, 거짓인지 진짜인지를 밝힌다. 범인은 이런 과정을 보고 경찰을 속이기 위해서 더 나은 위조 지폐를 만들어 낸다. 그러면 경찰은 다시 더 정밀하게 구분하도록 학습을 하게되고.. 최종적으로는 경찰은 위조 지폐를 분류할 거짓이라고 확률이 50 %가 될 정도로 정밀..