ComputerVision Jack

머신 러닝 네 가지 분류 기존 다루었던 예제는 모두 지도학습(Supervised learning)의 예이다. 지도학습은 훈련 데이터의 입력과 라벨 사이의 관계를 학습하는 것이다. 지도학습 가장 빈번한 경우. 샘플 데이터가 주어지면 주어진 라벨(타켓)에 입력 데이터를 매핑하는 방법을 학습 지도학습은 회귀와 분류 문제로 구성되지만 예외의 상황도 있다. 시퀀스 생성(Sequence generation) 구문 트리(syntax tree) 예측 물체 감지(object detection) 이미지 분할(image segmentation) 비지도 학습 라벨(타킷)을 사용하지 않고, 입력 데이터에 대해 변환을 찾는다. 데이터 시각화, 데이터 압축, 데이터의 노이즈 제거, 데이터의 상관관계 검출 위해 사용된다. 차원축소(..

[개념 정리] 비지도 학습 AutoEncoder 입력값으로부터 데이터의 특징을 찾아내는 방법 비지도 학습은 X값만 있는 상황에서 학습한다. (대표적으로 Auto Encoder가 있다.) 오토인코더(AutoEncoder) 입력값과 출력값을 같게 하는 신경망. 가운대 계층의 노드 수가 입력값 보다 적은 것이 특이사항. 따라서 데이터 압축 효과와 잡음제거 효과까지 적용 가능하다. 입력층으로 데이터가 들어오면 인코더를 통해 은닉층으로 보내고, 은닉층 데이터를 디코더를 통해 출력층으로 보낸 뒤, 출력과 입력이 비슷해지도록 가중치를 찾아내는 것. 오토 인코더(Variational AutoEncoder) 잡음 제거 인코더(Denoising AutoEncoder) [코드 정리] from tensorflow.exampl..