AI_Bootcamp

해당 내용은 https://sunho99.tistory.com/entry/6%EC%A3%BC%EC%B0%A8-Day22-Pix2Pix-CVPR-2017 의 연장선 입니다. 서론 Pix2Pix는 서로 다른 두 도메인 X,Y의 데이터를 한 쌍으로 묶어 학습을 진행합니다. 이 한쌍으로 묶이지 않은(unpaired) 데이터 셋에 대해서는 CycleGAN을 이용해 해결 가능합니다. CycleGAN unpaired한 데이터 셋을 학습합니다. 순환 일관성 손실 함수(Cycle Consistency Loss Function)을 사용합니다. CycleGAN의 문제 상황 별도의 제약 조건 없이 단순히 입력 이미지 x의 일부 특성을 타겟 도메인 Y의 특성으로 바꾸고자 한다면 어떤 입력이든 상관없이 특정한 도메인에 해당하는 ..

Pix2Pix 실습 논문 제목: Image-to-Image Translation with Conditional Adversarial Networks (CVPR 2017) 대표적인 이미지간 도메인 변환(Translation) 기술인 Pix2Pix 모델을 학습해보는 실습을 진행합니다. 학습 데이터셋: Facade (3 X 256 X 256) 필요한 라이브러리 불러오기 실습을 위한 PyTorch 라이브러리를 불러옵니다. import os import glob import numpy as np import matplotlib.pyplot as plt from PIL import Image import torch import torch.nn as nn from torch.utils.data import Datas..

생성 모델 (Generative Model)의 목표와 Image-to-Image Translation 소개 대표적인 image - to - image translation 아키텍처로 Pix2Pix가 있습니다. Pix2Pix는 학습과정에서 이미지 x자체를 조건(condition)으로 입력받는 cGAN의 한 유형입니다. Pix2Pix은 픽셀(pixel)들을 입력으로 받아 픽셀(Pixel)들을 예측하는 의미를 가집니다. Image-to-Image Translation: Pix2Pix의 아키텍처 Pix2Pix는 이미지를 조건(condition)으로 입력받아, 이미지를 출력으로 내보냅니다. 이를 효과적으로 처리할 수 있는 U-Net 기반의 네트워크 아키텍처를 사용합니다. Pix2Pix는 image를 image로 ..

확률 분포 확률 분포는 확률 변수가 특정한 값을 가질 확률을 나타내는 함수를 의미한다. - 이산확률분포 이산 확률 분포는 이산 확률 변수가 가지는 확률 분포를 의미한다. 여기에서 확률변수가 이산 확률변수라는 말은 확률 변수가 가질 수 있는 값의 개수가 가산 개 있다는 의미이다.- 연속확률분포 연속 확률 분포는 확률 밀도 함수를 이용해 분포를 표현할 수 있는 경우를 의미한다. 연속 확률 분포를 가지는 확률변수는 연속 확률 변수라고 부른다. 기대값 공식 이산확률변수 연속확률변수 이미지 데이터에 대한 확률분포 이미지 데이터는 다차원 특징 공간의 한 점으로 표현됩니다. 이미지의 분포를 근사하는 모델을 학습할 수 있습니다. 사람의 얼굴에는 통계적인 평균치가 존재할 수 있습니다. 모델은 이를 수치적으로 표현할 수 ..

LeNet-5 앞에 작성한 Convlutional Nerual Network(CNN)을 최초로 제안한 논문인 Yann LeCun의 LeNet 입니다. LeNet-5은 손글씨 숫자를 인식하는네트워크입니다. LeNet-5는 Convolution layer와 Pooling layer을 반복하고 Fully Connected layer을 거쳐 결과를 출력합니다. Convolution 연산의 동작 원리를 이해할 필요가 있습니다. 입력 데이터의 높이: height 입력 데이터의 너비: width 필터의 높이: filter_height 필터의 너비: filter_width 스트라이드(stride): stride 패딩 크기: padding Convolution 연산 이후의 출력 차원은 다음과 같은 공식으로 계산할 수 있..

ANN(Artificial Neural Network) - 인공신경망 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘 모든 비선형 함수를 학습 모든 입력을 출력에 매핑하는 가중치를 학습할 수 있는 능력 활성화 함수는 네트워크에 비선형 속성 도입으로 입력과 출력 사이 복잡한 학습을 하는데 도움 01. ANN의 문제점 학습과정에서 파라미터 최적값 찾기 어려움 Overfitting에 따른 문제 히든 레이어(Hidden Layer)란? 입력값(Features)를 구성하는 Input Layer와 출력값(Output)으로 구성되는 Output Layer 사이에 퍼셉트론(수식)을 추가하여 하나의 별도 Layer로 구성한 것을 히든 레이어라고 합니다. DNN(Deep Neural Network) - 심층 ..

로지스틱 회귀(Logistic Regression) 로지스틱 회귀(Logistic Regression) 는 회귀를 사용하여 데이터가 어떤 범주에 속할 확률을 0에서 1 사이의 값으로 예측하고 그 확률에 따라 가능성이 더 높은 범주에 속하는 것으로 분류해주는 지도 학습 알고리즘입니다. 회귀를 사용하여 데이터가 어떤 클래스에 속할 확률을 0부터 1사이의 값으로 예측합니다. 예시: 공부 시간에 따른 합격/불합격 분류기 예시: 이미지 특징에 따른 강아지/고양이 분류기 함수의 특징을 살펴보면 다음과 같다. 성공과 실패를 구분하는 부분은 경사가 급하고 나머지 부분에서는 경사가 완만하다. y=1y=1, y=0y=0 두 평행선이 점근선이고 치역은 (0,1)이다. 즉 위와 같은 활성함수의 함숫값은 성공확률이라는 의미로 ..

문제 설명 그렙대학교는 3가지 전형으로 신입생을 모집합니다. 학생부 전형 최종 점수 = 학생부 종합 점수 * 0.3 + 수상 및 활동 점수 * 0.3 + 면접 점수 * 0.4 최종 점수가 0.8 이상이면 합격이다. 논술 전형 최종 점수 = 논술 점수 * 0.5 + (국어 점수 * 0.3 + 수학 점수 * 0.4 + 영어 점수 * 0.3) * 0.5= 최종 점수가 0.75 이상이면 합격이다. 정시 전형 최종 점수 = 국어 점수 * 0.3 + 수학 점수 * 0.4 + 영어 점수 * 0.3 최종 점수가 0.75 이상이면 합격이다. 문제에서 그렙대학교에 지원한 n 명의 데이터가 담긴 자료 data가 주어집니다. 그리고 자료 data는 다음과 같이 구성되어 있습니다. 자료의 첫 번째 열에는 학생들의 이름 대신 0..

import matplotlib.pyplot as plt import torch import torchvision import numpy as np X = [[1, 33], [2, 27], [3, 29], [4, 45], [5, 27], [6, 33], [7, 35]] Y = [25000, 55000, 75000, 125000, 128000, 155000, 182000] Y = [[i] for i in Y] x_data = torch.Tensor(X) y_data = torch.Tensor(Y) class LinearRegressionModel(torch.nn.Module): def __init__(self, input_dim, output_dim): super(LinearRegressionModel, ..