본문 바로가기

분류 전체보기

 (125)
Overview 학습목표 자연어 처리에서 텍스트 분류 문제를 다뤄봅니다. 핵심키워드 Text Classification Sentence Representation 학습하기 지금부터는 텍스트 분류에 대해 알아보겠습니다. 먼저 인풋과 아웃풋을 생각해보죠. 인풋은, 어떤 자연어입니다. 문장이 될 수도 있고, 문단이 될 수도 있고. 아웃풋은 뭘까요. 내 목적성에 맞게 설정한 어떤 상수 개의 카테고리입니다. 예제를 보시면 이해가 확 될겁니다. 첫번째는, 영화 리뷰가 긍정적이냐 부정적이냐 따위를 판단하는 경우가 있겠죠. 다른 말로는 감성 분류. 두번째는, 해당 기사가 어떤 카테고리에 속하느냐를 판단하는 경우. 이게 스포츠 섹션인지, 연예 섹션인지 뭐 등등. 카테고리 분류겠지요. 세번째는 어떤 질문이, 뭐 중국 식당에 대해 묻는 건..
시작에 앞서 해당 카테고리의 글들은 edwith에서 진행되는 조경현 교수님의 "딥러닝을 이용한 자연어 처리" 강의에 대한 내용을 기록합니다. 저는 단순히 교수님의 말씀을 타이핑하거나, 제 이해도에 맞게 약간의 첨언을 덧붙여 글이 완성될 예정입니다.
이미지를 설명하는 문장을 만들어내는 Image Captioning 학습목표 이번 강의에서는 Image Captioning에 대해 살펴보도록 하겠습니다. Image Captionaing은 어떤 이미지를 설명하는 문장을 만들어 내는 것을 말합니다. 어떤 이미지를 잘 설명해주는 문장을 만들 수 있기 때문에 굉장히 중요하게 다뤄질 수 있습니다. 예컨데 앞을 못 보는 사람들에게 이 기술이 도입된다면 자신 앞의 화면을 설명해주어 도움을 주기 때문에 인류의 삶에 큰 변화를 가져다줄 수 있습니다. 핵심 키워드 Image Captioning Show and Tell Show, Attend and Tell DenseCap 학습하기 이번에는 Image Captioning에 대해 알아볼겁니다. Image Captioning이란 어떤 이미지가 들어왔을 때, 이것을 설명하는 문장을 만들어 내는..
이미지와 질문이 주어졌을 때 답을 맞추는 Visual QnA 학습목표 이번 강의에서 살펴볼 Visual QnA는 이미지와 질문이 함께 있는 문제입니다. 이 문제를 해결하는 대표적인 두 가지 방법인 DPPnet(Dynamic Parameter Prediction)과 MCB(Multimodal Compact Bilinear) Pooling for VQA를 알아보도록 하겠습니다. 핵심 키워드 Visual QnA (VQA) DPPnet Multimodal Compact Bilinear Pooling for VQA 학습하기 VQA 이건 말 그대로, 이미지가 주어졌을 때, 이미지에 대한 질문을 찾는 뭐 그런 문제입니다. 대표적인 MSCOCO의 VQA데이터셋에는 25만장의 이미지, 76만개의 질문이 있었습니다. 뭐 이건 무슨 동물이냐 하는 간단한 문제부터, 사람은 할 수 있는..
Image Detection 방법론: AttentionNet, SSD, YOLO, YOLOv2 학습목표 앞 강의에 이어 이번 강의에서도 Detection 방법론들을 알아보도록 하겠습니다. 이번 강의에서는 앞서 배운 R-CNN 계열의 방법들과는 다르고 새로운 방법들로, YOLO, SSD, YOLOv2는 굉장히 중요한 방법론이며 AttentionNet 역시 실용적으로 색다른 곳에 사용될 수 있기 때문에 관심과 흥미를 가지고 집중하여 학습하시길 바랍니다. 핵심 키워드 AttentionNet SSD (Single Shot MultiBox Detector) YOLO (You Only Look Once) 학습하기 이번에는 Detection 방법론, 그러니까 이미지 안에서 어떤 Object의 Bounding box를 찾는 개념을 공부할 텐데, 앞에서 봤던 R-CNN 시리즈와는 다르게, 새로운 내용들이 많습니다..
Image Detection 방법론: RCNN, SPPnet, FastRCNN, FasterRCNN 학습목표 바로 앞 강의에서 Localization과 함께 언급됐던 Image Detection 방법론들을 알아보도록 하겠습니다. Detection 방법론은 두 파트로 나누어 이번 시간에는 R-CNN 계열의 논문들을 보며 강의를 진행하도록 할 예정입니다. 이번 강의에서는 R-CNN, SPPnet, Fast R-CNN, Faster R-CNN 이렇게 4가지 방법들을 배워보도록 하겠습니다. 핵심 키워드 Detection R-CNN SPPnet Fast R-CNN Faster R-CNN 학습하기 이번에는 Image detection 에 관해 이야기해보겠습니다. 두 파트로 나누어서 설명할 건데요. 이번에는 R-CNN 계열의 논문들을 먼저 보겠습니다. R-CNN, SPPnet, Fast R-CNN 등이요. 그 다음..
교차 검증(Cross Validation) 하나의 머신 러닝 모델을 구성하는 것은 사실 굉장히 간단합니다. 데이터를 분리하고, 모델을 구성하고, 훈련하고, 평가한다. 특히 멋진 라이브러리를 활용하면 10줄 남짓한 코드로 이 모든 과정을 해결하는 것이 가능하지요. 물론 모델을 개선하기 위해 세부적으로 들어가면 데이터를 분리하기전 Feature engineering도 선행되어야하고, 데이터를 어떻게 분리하는 것이 가장 좋은 효과를 낼지, 모델을 구성하는 Hyper Parameter는 어떻게 조절해야할지 등 많은 것이 과제로 남습니다만, 베이스는 같습니다. 이번에는 그 중에서 마지막 단계. 평가하는 과정에서 사용되는 교차 검증 기법에 대해 설명하겠습니다. 가장 단순한 모델 평가 어떤 훈련 데이터로 학습된 모델을 평가하려면, 당연히 평가용 데이터가 있어..
객체(Object) 객체란? 1. 저장공간에 할당되어 값을 가지거나, 식별자에 의해 참조되는 공간. 즉 메모리가 할당되기 전 까지는 존재하지 않는다. 2. C, Fotran과 같은 절차지향프로그램에서는, 자료 또는 명령을 지칭 3. Java, Python과 같은 객체지향프로그램에서는, 어떤 클래스의 인스턴스 자료와 그 자료를 다루는 명령의 조합

티스토리툴바