본문 바로가기
반응형

전체 글165

[딥러닝 with Python] SRGAN이란? / Super Resolution GAN (1/2) / SRGAN의 개념 [본 포스팅은 논문 " Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network " 와 wikidocs "한땀한땀 딥러닝 비전 백과사전"을 참고하여 작성하였습니다] 이번에 알아볼 GAN 모델은 화질을 개선시켜주는 GAN인, Super Resolution GAN입니다. 1. Image Super Resolution 이란? - Image Super Resolution(이미지 슈퍼해상도, 이하 SR)는 저해상도 이미지를 고해상도 이미지로 업스케일링하는 컴퓨터 비전 및 이미지 처리 기술을 말합니다. - 이 기술은 이미지의 세부 정보를 높이고 이미지의 시각적 품질을 향상시키는 목적으로 사용되는데요 - 이러한 SR이 사용.. 2023. 10. 5.
[딥러닝 with 파이썬] 픽셀셔플 / Pixel Shuffle 이번에 알아볼 것은 픽셀셔플(Pixel Shuffle) 입니다. 픽셀셔플이란, 초해상화(Super Resolution)에 사용되는 기법으로 저해상도 이미지를 고해상도 이미지로 변환하는데 사용되는데요. Super Resolution GAN 등을 이해하기 위한 기본개념인, 픽셀 셔플에 대해서 알아보도록 하겠습니다. 1. 픽셀셔플(Pixel Shuffle)이란? - 픽셀 셔플은 저해상도 이미지의 픽셀을 임의로 재배열하여 고해상도 이미지를 생성하는 방법을 말합니다. * 이를 시각화 해보면 아래와 같습니다. - 픽셀이 임의로 재배열되면 저해상도 이미지의 정보가 고해상도 이미지로 확산되어 더 사실적인 이미지를 생성할 수 있습니다. - 픽셀 셔플의 구현방법은 아래와 같습니다. (위 그림과 같이 보시면 이해가 편합니다.. 2023. 10. 4.
[딥러닝 with 파이썬] PReLU란? Parametric ReLu란? (활성화함수, Activation Function) 이번에 알아볼 것은 PReLU입니다. 활성화 함수의 한 종류로서, ReLU의 변형 형태인데요. PReLU가 어떤 특징과 장점이 있길래 사용되는지 한번 알아보겠습니다. 1. ReLU란? - PReLU에 대해서 알아보기 전에 먼저 ReLU에 대해서 알아보겠습니다. 앞서 설명드렸던 PReLU는 ReLU의 변형함수 형태이기 때문이죠 - ReLU란, Rectified Linear Unit으로 딥러닝에서 가장 많이 사용되는 활성화 함수 중 하나입니다. - 이는, 입력이 0보다 크면 입력을 그대로 출력하고, 0보다 작으면 0을 출력하는 함수인데요. 이를 수식으로 정의하면 아래와 같습니다. * ReLU(x) = max(0,x) - 그래프로 표현해보면 아래와 같습니다. - ReLU의 함수는 다음과 같은 특징을 가지고 있.. 2023. 10. 3.
[딥러닝 with 파이썬] ResNet(잔차신경망)의 개념 (2/2) / CIFAR-10 활용해서 이미지 분류모델 구현 이번에는 저번 시간에 알아본 Residual Network의 개념을 바탕으로, Residual Block을 만들어보고 이를 쌓아간 Residual Network를 파이썬 코드로 구현해보겠습니다. 만들어진 모델은 CIFAR-10 데이터 셋을 분류하면서 그 효과를 알아보도록 하겠습니다. 1. CIFAR-10 데이터 셋이란? - CIFAR-10 이란, 32x32 크기의 컬러 이미지 60,000개로 구성된 이미지 분류 데이터셋을 말합니다. * 이때 뒤에 붙은 10은, 각 이미지의 종류(클래스)가 10개라는 것을 의미합니다. * 또한, 각 클래스의 분포는 균등한데요. 즉, 60,000개 중 1/10인 6,000개씩 균등하게 클래스 별 이미지가 데이터셋을 구축한다는 것을 의미합니다. - CIFAR-10 데이터 셋의.. 2023. 10. 1.
[딥러닝 with 파이썬] RESNET(잔차신경망)의 개념 (1/2) 이번에 알아볼 신경망은 잔차 신경망, Residual Net(RESNET) 입니다. 잔차 신경망은 2015년에 처음 등장한 신경망으로, 복잡한 신경망 작업을 원활하게 만들었고 정확도 또한 높게 달성할 수 있었기에 기여점이 큰 신경망인데요 Residual Net에 대해서 한번 알아보겠습니다. 1. 잔차신경망, Residual Net(ResNet)이란 ? 1) 잔차신경망, ResNet(Residual Net)은 2015년 12월에 발표된 논문 "Deep Residual Learning for Image Recognition"에서 등장한 CNN 기반의 신경망 모델입니다. https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition .. 2023. 10. 1.
[딥러닝 with 파이썬] 분류(Classification) / MNIST 데이터 사용 [본 포스팅은 "Must Have 텐초의 파이토치 딥러닝 특강"의 내용을 참조하여 작성하였습니다] 이번에는 파이토치를 활용해서 분류기(Classifier)를 만들어 보겠습니다. 분류(Classification)는 실수 또는 정수 등 수치로 정의된 것이 아닌, [강아지, 고양이, 호랑이, .......] 등 Class로 정의된 종속변수를 특성(Features)들의 연산을 통해 분류해내는 것을 말합니다. 분류에 사용할 데이터는 MNIST라는 데이터이며, 이번에는 분류라는 목적 자체에만 초점을 맞춰 간단한 딥러닝 분류기를 만들것이기에 CNN(Convolutional Neural Network / 합성곱 신경망)을 사용하지는 않겠습니다. ( CNN은 이후 포스팅부터 많이 다룰 것이니 이번에는 분류의 개념에 대해.. 2023. 9. 29.
[딥러닝 with 파이토치] 파이토치로 사인(Sine) 함수 만들기 [본 포스팅은 "Must Have 텐초의 파이토치 딥러닝 특강"의 내용을 참조하여 작성하였습니다] 텐서플로에서 파이토치로 넘어가기 위해 입문서로 시작했던 책이 위 책의 내용을 기반으로 파이토치에 대해 공부한 내용들을 정리해보고자 합니다. 첫 번째로는 파이토치를 통해서 사인함수를 만드는 것입니다. 사인함수를 만드는 방법은 1) 임의의 다항식 만들기, 2) 다항식의 계수들을 파이토치로 작성한 딥러닝 코드로 업데이트 하여 사인함수에 근사한 함수를 만드는 것입니다. 1. 파이토치로 사인함수 만들기 1) 먼저 필요한 라이브러리를 불러와줍니다. 이때는 math와 torch, 그리고 시각화를 위해 pyplot을 불러오겠습니다. 1 2 3 import math import torch import matplotlib.p.. 2023. 9. 28.
[머신러닝 with 파이썬] 군집화(클러스터링) : K-means & HDBSCAN / 시각화 이번에는 클러스터링의 대표 알고리즘 중 하나인 K-means Clustering과 HDBSCAN에 대해 간략히 알아보겠습니다. 시각화를 기반으로 차이를 설명하겠으며, 각 모델별 자세한 내용들은 다음 포스팅에서 다뤄보겠습니다. 1. 군집화(Clustering, 클러스터링) 이란? - 클러스터링은 비슷한 특성을 가진 데이터들을 그룹화하는데 쓰이는 데이터 분석 방법입니다. - 데이터의 특성만을 기준으로 분류하기에, 비지도 학습(Unsupervised Learning)의 한 형태라 할 수 있습니다. * 비지도 학습(Unsupervised Learning) : 레이블(혹은 정답)이 지정되지 않은 데이터에서 유용한 정보를 추출하는데 사용되는 학습방법 * 비지도학습이라는 점에서 분류(Classification)과 큰.. 2023. 9. 27.
반응형

티스토리툴바