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 | 31 |
Tags
- Score-CAM
- Interpretability
- grad-cam
- Explainable AI
- GAN
- keras
- python
- 머신러닝
- Machine Learning
- Deep learning
- Artificial Intelligence
- 설명가능한
- 메타러닝
- AI
- Cam
- cs231n
- 기계학습
- 딥러닝
- coding test
- Class activation map
- meta-learning
- Unsupervised learning
- 시계열 분석
- 코딩 테스트
- 백준
- 코딩테스트
- 인공지능
- 설명가능한 인공지능
- SmoothGrad
- xai
Archives
- Today
- Total
목록Convolution (1)
iMTE
CV 1. Local Features
Computer Vision[1] 1. Image Features이미지는 각 pixel (0~255)로 나타나는 matrix이다. Raw pixel을 사용해 image를 분석할 수 있지만, Raw pixel은 1. scale variation, 2. intra-class variation, 3. deformation, 4. occlusion, 5. illumination change 등에 매우 취약하므로, 이미지의 pixel matrix에서 특정 "feature"를 찾는 과정이 필요하다. Feature는 하나의 이미지에 "vector" 형태로 추출되며, 추출된 "vector (e.g., feature)"는 Decision Marker (ex, machine learning models)에 의해서 분류(c..
Computer Vision/CV
2018. 12. 21. 16:13