iMTE

딥러닝 책 정리를 하였습니다. (읽은 책들 + 읽고 있는 책들 위주로 정리, 극히 주관적이나 책을 사서 공부할 때 도움이 되길 바라면서 정리하였습니다.) 다음 분들에게 도움이 될 것이라고 믿습니다.1. 딥러닝을 체계적으로 code scratch부터 배우고 싶은 분들 (★)2. 이미 잘 구성된 library를 사용해서 모델을 구현하고 싶은 분들 (★★)3. 딥러닝의 이론에 대해서 깊게 공부하고 싶으신 분들(★★★)4. 딥러닝 응용에 대해서 최신 트렌드를 공부하고 싶으신 분들(★★★★)모든 책들은 다 읽어보고 직접 code를 구현을 해보고 결정내린 것입니다. 공부할 때 유익할 것이라고 기대합니다. 1. 추천1) ★, 밑바닥부터 시작하는 딥러닝 (Deep Learning from Scractch) - 딥러닝의..

호소다 마모루의 작품들은 해당 작품의 주제를 바탕으로 영화의 시간에 따라 성장하는 주인공들을 그려내고 있다. '시간을 달리는 소녀'에서는 '시간'이라는 주제로 마코토의 성장을 그렸고, '썸머 워즈'에서는 '가족'이라는 주제로 주인공 나츠키, 겐지, 나아가 가족의 성장을 그려냈으며, '늑대 아이'에서도 '가족'이라는 주제로 유키, 아메, 하나의 성장을 그려냈다. 우리는 호소다 마모루의 작품을 보면서 그들의 시각과 관점으로 영화를 관람하며, 그들이 성장을 하는 방법을 배워나갈 수 있다. 최종적으로, 그들이 성장하고 났을 때, 카타르시스 같은 기쁨을 우리는 느낀다. (호소다 마모루는 성장의 결과를 구름으로 표현한다. 속이 개운하듯이 구름을 표현한다.) '미래의 미라이'에서도 마찬가지로 시간의 순으로 작품의 주..

오늘 호소다 마모루의 '미래의 미라이'를 보고 왔다. 평점이 낮길래 왜 낮을까 보니, 호불호가 분명히 갈릴만한 영화이긴했다. 나에게 있어서는 흥미롭게 느껴졌다. 일단 어떤 부분에서 흥미롭게 느꼈는지에 대한 내용은.. 나중에 다른 포스팅으로 다루기로 하자. '시간을 달리는 소녀', '늑대 아이' 외에 가장 감명깊게 봤던 호소다 마모루의 작품은 '썸머 워즈'이다. 왜 이 영화를 봤냐하면... 군대에서 선임이 추천했던 걸로 기억한다.. (그 선임은 신카이 마코토와 호소다 마모루를 극찬했다. 애니를 정말 좋아했던 것으로 기억한다.) 그리고 관람객 평점이 10.0/10.0이다. (만점이다.) 쨋든, '썸머 워즈' 영화를 공동체의 관점으로 극히 주관적인 의견으로 파헤쳐 보고자 한다. 공동체 보다는 가족이라는 단어가..

호소다 마모루의 영화는 다양한 인물들이 등장하고, 그 인물들이 어떻게 성장하는지를 잘 그려내고 있다. 신카이 마코토의 작품인 "초속 5cm", "언어의 정원", 그리고 "너의 이름은"도 동일하게 다양한 인물들을 소개하고 성장하는지를 그려낸다. 사실, 이런 요소들은 우리가 흔히 좋아하는 성장 드라마로서의 역할을 충실히 해내면서, 성장 과정의 "갈등", "다툼", "화해"등을 다루면서 "기승전결"을 따라간다. 결국, 영화를 다보고나면 무엇인가 우리에게 남은 것처럼 느껴지고, 우리도 영화의 주인공들처럼 "성장해야겠다."라는 생각이 들게 만들어준다. 이전에 우리는 "시간을 달리는 소녀"에서 시간이 어떻게 마코토를 성장시켰는지를 확인하였다. 거스를 수 없는 시간을, 거스를 수 있다고 생각할 때 바꿀 수 있는 것,..

나름 아주 뜻깊은 영화를 보면서 느낀 감정을 잘 정리하는게 참 좋은 습관이라는 것을 최근에 알게되었다. 워낙 유튜브에서 수준 높은 영화리뷰를 보다보니 "아! 정리하고 다시한번 되새길 필요가 있겠구나"라는 생각을 하게 되었다. 이런 생각 중에, 내가 좋아하는 감독 중 한명인 '호소다 마모루'가 영화 신작을 낸다고하니, 그의 작품들을 정리할꼄 글을 써본다.호소다 마모루의 작품을 많이 본건 아니지만? (유명한 최근 3작품은 다 보았다.) 호소다 마모루의 영화는 공통점이 있는데, '갈등'과 '어려움'속에서 결국 주인공은 성장을 하고 자기 자신을 찾는다는 점이다. 어떻게 성장을 하게되었는지, 그 과정에서 주인공은 어떻게 변하는지를 주의깊게 보면 참 재미있는 것들을 확인할 수 있는 것 같다고 생각한다. 시간을 달리..

Computer Vision [8] 1. Video RepresentationImage를 SIFT혹은 Hog Feature로 표현 (Representation)하는 방법을 이전에 학습하였다. 이번에는 Video를 표현하는 방법을 알아보자. 2. MotionVideo에서 유용한 Feature를 뽑으라면, 연속되는 frame사이에 object의 motion일 것이다. 정적인 object는 motion이 없을 것이며, 움직이는 object는 motion이 바뀔 것이다. Motion을 통해서 1) 3D structure estimation, 2) object segmentation, 3) recognizing action and shape등을 해낼 수 있다.Video에서 Motion을 추출하는 방법은 3가지가 ..

Computer Vision [7] 1. Metric LearningMetric Learning의 핵심은 "Similarity"이다. 어떤 이미지가 주어졌을 때, 이 이미지와 연관된 이미지를 찾는 방법은 무엇일까? 바로 Similar한 사진을 찾으면된다. 예를 들어, 얼굴 인식을 하는 경우를 생각해보자. 특정 얼굴 사진 A가 우리의 Dataset에 있고, 사용자가 얼굴 인식으로 스마트폰을 On시키고자할 때는 A와 비슷한 A'이 입력될 것이다. A와 A' 사이의 비슷함의 정도는 Dataset에 있는 다른 사용자의 B와 A' 사이의 비슷함보다 "가까울 것이다." 결국, 스마트폰이 On이 된다.비슷함의 정도를 나타내는 방법으로 Metric이 사용되며, 가장 흔히 알고 있는 Metric은 Euclidean Di..

Computer Vision [6] Computer가 어떤 사진을 보고 이해하고, 이해한 결과를 표현할 때 Classification은 매력적이다. 강아지 혹은 고양이의 특징들을 학습한 Computer가 자동적으로 강아지와 고양이를 구분해준다면, 수천장 수만장되는 사진을 우리가 직접 구분하지 않더라도, Computer가 빠르게 진행해 줄 수 있을 것이다! 최근 Deep Neural Network의 등장으로 기존의 Hand-crafted feature방법보다 더 정확할 뿐만 아니라, General Purprose GPU로 인해 매우 빠르게 진행된다. (나중에 CUDA관련된 Image Processing Topic을 다루고 싶다. CPU에 비해서 정말 빠르다.) 1. Image Representation 먼..

Computer Vision [5] 1. Homography 동일한 물체에 대해서 다른 위치에서의 찍힌 두 이미지 사이의 관계는 구할 수 있을까? Homography는 아주 simple한 방법으로 이 관계를 설명할 수 있다. 두 이미지의 관계를 나타내기 위해서는 Homography matrix H를 통해 Mapping될 pair point들이 모두 같은 plane에 있어야한다는 제약이 있다. Homography를 estimation하는 과정을 깊게 파악해보자. 다음 두 점이 pair를 이룬다고 하자, (이때 중요한건 pair들이 collinear 하면 안된다. 즉, estimation하는데 사용되는 3개의 점들이 선 하나 위에 있으면 안된다.) Homography Matrix H에 의해서 위와 같이 하나..

Computer Vision [4] 1. Camera ModelWorld의 물체는 Camera의 Lens를 통해 Sensor Plane에 투영이되고 우리는 이를 Image의 형태로 받아낸다. 따라서 Camera Model을 구하는 것은 실제 3D 물체의 coordinate와 Image의 coordinate의 관계를 찾는 것이다. 즉, I=MX, I는 2D Image이고 X는 3D 물체의 coordinate 그리고 M은 이 둘 사이의 관계인 "Camera Model"이다. 2. Homogeneous Coordinate가장 먼저 이해해야할 내용은 Homogeneous Coordinate이다.기본적인 coordinate system에서는 vector를 밑의 식과 같이 표현한다.하지만, Homogeneous C..