Model/Layer (7) 썸네일형 리스트형 U Net 논문 링크: https://arxiv.org/abs/1505.04597 이미지를 encoding 후 다시 decoding을 하면서 특징을 뽑아 내는 모델이다. encoding하는 부분과 decoding 하는 부분이 대칭되기 때문에 그 모양이 U처럼 생겼다고 해서 U-net이다. encoding 단계에서는 Convolution을 계속 하면서 이미지의 크기는 줄여 나가고 채널 수는 늘려 나간다. decoding 단계에서는 deconvolution을 하면서 이미지 크기를 다시 늘리는데, encoding 단계에서의 같은 이미지 크기의 값도 같이 사용한다. 바이오메디컬랩@모두의연구소—U-Net CNN 모델 0. List 0) LeNet 1) AlexNet 2) GoogleNet (inception module) 3) VGGNet 4) ResNet 5) Mobilenet 2012-2015의 ILSVRC(ImageNet Large-Scale Visual Recognition Callenge)에서, 각 모델이 등장함으로써 끼친 영향 및 모델의 대표적 특징을 살펴본다. 0. LeNet 손글씨 글자를 인식하는 네트워크. 최초 모델인 LeNet-1은 1990년에 제안되었다. 28X28 크기의 이미지를 인식하는 등 매우 작은 모델이지만 CNN의 개념을 확립한 최초의 모델이다. 여러 발전을 거쳐 최종적으로 LeNet-5가 1998년에 제안되었다. Convolution layer, Pooling layer를 반복한 뒤 마.. CNN만들기 폭풍수정예정... 목표 CNN으로 간단한 학습 모델을 만들어 training set, test set 을 통해 evaluate해본다. 적은 data set을 부풀려 overfitting을 만든다. 간단한 이미지(circle, rec, tri)를 학습한다. 복잡한 이미지를 학습한다. : 컴퓨터가 견딜까? 동영상 베이스로 학습한다. : 목표 ㅋㅅㅋ 문서를 학습한다. 환경설정 사용 언어 : python3.6.1, tensorflow(keras 필요) Tutorial 1. 파일 구성 app.py dataset - test_set - circle - rectangular - triangle - training_set - circle - rectangular - triangle 2. 음 1. 데이터 생성 # 랜덤시.. CNN(Convolution Neural Network)이란? CNN(Convolution Neural Network)는 Convolution(합성곱)을 이용해 feature를 추출하는 Layer입니다. Convolution 특성상 근처의 데이터끼리만 묶어서 처리한다는 특징이 있습니다. 1. 합성곱 계층 데이터의 형상을 유지하여 계층의 특징을 유지할 수 있습니다. 이미지의 경우 3차원(width, height, color) 형상으로 되어 있으므로, 3차원을 입력받아 3차원을 출력합니다. 합성곱 계층의 입출력 데이터를 특징 맵(feature map)이라고 합니다. 입력 데이터는 입력 특징 맵(input feature map), 출력 데이터는 출력 특징 맵(output feature map)이라고 부릅니다. (1) Convolution(합성곱) Convolution 연.. RNN/LSTM/GRU 기존의 인공신경망은 순차적인 정보가 담긴 데이터를 처리하는 것에 어려움이 있습니다. 1. RNN(Recurrent Neural Network) (1) RNN이란? 시간 순서대로 들어오는 Seuqence data를 모델링하기 위한 Network입니다. 다른 Neural Network와는 달리, 지금까지 입력된 데이터를 요약한 hidden state를 가지고 있습니다. 입력이 들어올 때마다 hidden state를 수정하는 식으로 동작하므로, 입력을 모두 처리하고 난 네트워크의 hidden state는 sequence 전체를 요약하는 정보가 됩니다. 빨간색 노드 : 입력 노란색 노드 : hidden state(기억) 파란색 노드 : 출력 - 첫번째 입력이 들어오면 첫번째 hidden state가 만들어짐 -.. DNN (Deep Neural Network, 심층 신경망) Fully-Connected Neural Network 입력을 받는 Input layer, 입력 값을 변형시키는 Hidden Layer, 값을 출력하는 Output Layer로 구성되어 있는 인공 신경망입니다.. layer 내부의 뉴런끼리는 서로 연결이 되어 있지 않고, 앞/뒤 layer의 모든 뉴런 사이에만 연결되어 있습니다. Fully-Connected Neural Network, Feedforward Neural Network(FNN) 등으로 부르기도 한다. Layer의 구조 하나의 층은 여러 여러 값을 받아 한 값을 출력하는 Perceptron으로 구성되어 있습니다. Input Layer : 외부로부터 입력값을 받는 Layer. 우리가 이미 가지고 있는 데이터를 의미한다. Hidden Layer .. Layer DNN RNN/LSTM/GRU CNN CNN 만들기 CNN 모델 [[U-Net]] 데이터별 Layer 선택 snapshot성 데이터 : 이미지, 영상, 바둑 -> CNN sequence성 데이터 : 음성, 언어, 주식 가격, 맥락 -> RNN, LSTM Brick으로 보는 딥러닝 이전 1 다음
