본문 바로가기
반응형

DATA_SCIENCE/Deep Learning22

[딥러닝] 다이스 스코어 (Dice Score) 해설, 정리, 요약 안녕하세요, HELLO Sørensen–Dice 계수라고도 하는 Dice score, 다이스 스코어는 segmentation 또는 predicted, true 이미지 영역과 같은 두 이진 데이터 세트 간의 유사성을 측정하는 데 사용되는 컴퓨터 비전의 일반적인 평가 metric입니다. 다이스 스코어의 범위는 0과 1 사이이며 값이 1이면 두 세트가 완전히 겹치는 것을 나타내고, 값이 0이면 겹치는 부분이 전혀 없음을 나타냅니다. 오늘은 이미지 분야에서 평가 지표로 활용되는 Dice score, 다이스 스코어에 대해서 정리해 보겠습니다. CHAPTER 1. 'Dice score, 다이스 스코어' 개요 CHAPTER 2. 'Dice score, 다이스 스코어' 계산 방법 CHAPTER 1. 'Dice scor.. 2023. 2. 20.
[딥러닝] 배치 (Batch), 배치 사이즈, 배치 크기 (Batch size) 해설, 정리, 요약 안녕하세요, HELLO "Batch 배치"와 "Batch size 배치 사이즈"는 딥러닝에서 많이 사용되지만, 헷갈리기 쉬워 혼용되는 용어입니다. 오늘은 배치와 배치 사이즈에 대해서 정리하려고 합니다. CHAPTER 1. 'Batch, Batch size' 정리 CHAPTER 2. 'Batch size 하이퍼파라미터' 정리 CHAPTER 1. 'Batch, Batch size' 정리 배치는 독립적으로 처리되지만 병렬로 처리되는 일련의 샘플입니다. 즉, 배치는 모델의 매개변수를 업데이트하는 데 사용되는 전체 교육 데이터 세트의 하위 집합입니다. 배치 사용의 기본 개념은 모델이 한 번에 하나의 샘플을 처리하는 것보다, 계산적으로 더 효율적일 수 있는 forward/backward path에서 여러 샘플로부터.. 2023. 2. 13.
[딥러닝] 전이 학습 (Transfer Learning) 해설, 정리, 요약 안녕하세요, HELLO "전이 학습 (Transfer Learning)"은 모델을 처음부터 훈련시키는 대신, 사전 훈련된 딥러닝 모델을 새로운 작업이나 데이터 세트에 재사용하는 프로세스를 가리키는 딥러닝의 설계 패턴입니다. 전이 학습의 주요 아이디어는 ImageNet과 같은 크고 다양한 데이터 세트에서 학습한 지식을 활용하여, 새로운 작업에 대한 딥러닝 모델의 성능과 효율성을 향상하는 것입니다. 전이 학습은 다음과 같은 다양한 시나리오에서 사용할 수 있습니다. 사전 훈련된 모델에서 유사한 데이터 분포를 가진 새로운 작업으로 모델을 적용 사전 훈련된 모델에서 상이한 데이터 분포를 가진 새로운 작업으로 모델을 적용 제한된 교육 데이터를 사용하여 사전 훈련된 모델에서 새로운 작업으로 모델을 적용 전이 학습을 .. 2023. 2. 13.
[딥러닝] 앙상블 모델 (Ensemble) 방법, 배깅 (Bagging), 부스팅 (Boosting), 스태킹 (Stacking) 해설, 정리, 요약 안녕하세요, HELLO 오늘은 딥러닝에서 여러 모델을 합성하여, 모델의 성능을 개선하는 앙상블 (Ensemble) 방법에 대해서 정리하고자 합니다. 앙상블 방법에는 배깅 (Bagging), 부스팅 (Boosting), 스태킹 (Stacking)으로 구성되고, 개념 정리, 예시 그리고 각각의 코드 구현을 통해 살펴보고자 합니다. CHAPTER 1. '앙상블 (Ensemble) 방법' 선행 지식 CHAPTER 2. '배깅 (Bagging)' 정리 CHAPTER 3. '부스팅 (Boosting)' 정리 CHAPTER 4. '스태킹 (Stacking)' 정리 CHAPTER 1. '앙상블 (Ensemble) 방법' 선행 지식 딥러닝의 앙상블 (Ensemble) 방법은 시스템의 전반적인 성능과 견고성을 개선하기 위.. 2023. 2. 9.
[딥러닝] 딥러닝 디자인 패턴 (Design Pattern) 해설, 정리, 요약 안녕하세요, HELLO 소프트웨어 개발 방법에서 사용되는 디자인 패턴은 프로그램 개발에서 자주 나타나는 과제를 해결하기 위한 방법 중 하나로, 과거의 소프트웨어 개발 과정에서 발견된 설계의 노하우를 축적하여 이름을 붙여, 이후에 재이용하기 좋은 형태로 특정의 규약을 묶어서 정리한 것이다. 알고리즘과 같이 프로그램 코드로 바로 변환될 수 있는 형태는 아니지만, 특정한 상황에서 구조적인 문제를 해결하는 방식을 설명해 줍니다. (디자인 패턴 - 위키백과 참조) 이번에는 딥러닝 모델을 개발함에 있어 사용되는 디자인 패턴에 대해서 간단히 살펴보려고 합니다. 세부적인 내용은 개별 포스팅을 통해서 정리하려고 합니다. CHAPTER 1. '딥러닝에서 일반적으로 사용되는 디자인 패턴' 정리 딥러닝에서 일반적으로 사용되는.. 2023. 2. 8.
[딥러닝] 커널 (kernel), 필터 (filter), 피처 맵 (feature map) 해설, 정리, 요약 안녕하세요, HELLO 오늘은 computre vision 분야에서 classification, segmentation 등의 목적으로 많이 활용되는 CNN을 살펴보려고 합니다. 이 중에서 커널 (kernel), 필터 (filter) 그리고 피처 맵 (feature map)에 대해서 정리하려고 합니다. CHAPTER 1. 'CNN (Convolutional Neural Network)' 선행 지식 CHAPTER 2. '커널 (kernel), 필터 (filter)' 정리 CHAPTER 3. '피처 맵 (feature map' 정리 CHAPTER 1. 'CNN(Convolutional Neural Network)' 선행 지식 CNN(Convolutional Neural Network)은 이미지와 같은 그리드 .. 2023. 2. 8.
[딥러닝] 데이터 증대 (Data Augmentation) 해설, 정리, 요약 안녕하세요, HELLO 이번에는 모델을 훈련함에 있어, 데이터가 적은 경우에 데이터를 증대하는 방법인 data augmentation에 대해서 살펴보고자 합니다. 보다 자세한 내용은 세부 항목을 통해 정리하려고 합니다. STEP 1. 데이터 증대(Data Augmentation) 설명 STEP 2. 데이터 증대(Data Augmentation) 종류 STEP 3. 데이터 증대(Data Augmentation) 한계 STEP 1. 데이터 증대(Data Augmentation) 설명 데이터 증대는 훈련 데이터 세트의 크기를 인위적으로 늘리는 데 사용되는 기계 학습 기술입니다. 이는 회전, 변환, 크기 조정, 뒤집기 등과 같은 기존 데이터에 변환을 적용하여 달성됩니다. 데이터 증대의 기본 아이디어는 모델의 견.. 2023. 2. 6.
[딥러닝] 하이퍼파라미터 최적화 (Hyperparameter Optimization) 해설, 정리, 요약 안녕하세요, HELLO 오늘은 딥러닝 모델 성능을 개선하는 여러 방법 중 주요하게 활용되는 하이퍼파라미터 최적화, Hyperparameter optimization에 대해서 살펴보겠습니다. 기본적으로 Grid search, random search 그리고 bayesian optimization 세 가지가 있습니다. CHAPTER 1. '하이퍼파라미터 최적화' 설명 CHAPTER 2. '하이퍼파라미터 최적화' 방법 CHAPTER 3. '하이퍼파라미터 최적화' 정리 CHAPTER 1. '하이퍼파라미터 최적화' 설명 하이퍼파라미터 최적화(Hyperparameter optimization)는 기계 학습 모델에 가장 적합한 하이퍼파라미터 세트를 선택하는 것입니다. 하이퍼파라미터는 데이터에서 학습된 것이 아니라 실.. 2023. 2. 4.
[딥러닝] 머신러닝, 딥러닝 기본 용어 해설, 정리, 요약 안녕하세요, HELLO 오늘은 머신러닝, 딥러닝 분야에서 많이 언급되는 기본적인 용어에 대해서 살펴보고자 합니다. 그동안 공부 및 논문을 읽으면서 배운 내용을 이번 기회를 통해서 정리하려고 합니다. CHAPTER 1. '머신러닝, 딥러닝' 용어 정리 Name Details Logistic regression - Binary classification을 하기위해 사용되는 알고리즘 - y가 1일 확률을 계산하며, 활성화 함수 중 하나인 시그모이드 함수를 이용하여 0~1사이의 값으로 계산할 수 있습니다. First-order method - 한번 미분한 변수로만 이루어진 식 Dot product - 두 벡터 간의 내적 Linear Function - 원점을 지나는 1차 함수 Affine Function - L.. 2022. 11. 20.
반응형

티스토리툴바