Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 컴퓨터비전
- Non-Maximum Suppression
- rag parsing
- segmentation
- LLM
- 합성곱 신경망
- 데이터 파싱
- rag-fusion
- visual instruction tuning
- pdf parsing
- computer vision
- LLaVA
- 시계열
- rrf
- Time Series
- 활성화함수
- multi-query
- 활성화 함수
- deep learning
- E
- Cross Entropy Error
- 딥러닝
- 오차역전파
- anomaly detection
- Mean squared error
- 손실함수
- nlp
- leetcode
- 퍼셉트론
- 이상탐지
Archives
- Today
- Total
목록합성곱 신경망 (1)
굴러가는 분석가의 일상
[CNN] 합성곱 신경망 개념 정리
※ 앞선 포스팅에서는 신경망을 학습할 때, 정확도와 효율을 높일수 있는 다양한 기법에 대해 알아보았습니다. 본 게시물에서는 이미지 인식분야에서 통상적으로 사용되는 Convolutional Nerual Network(CNN)에 대해 알아보도록 하겠습니다. 💡 합성곱 신경망 소개 합성곱 신경망은 이미지 처리 성능이 좋은 인공 신경망 알고리즘 입니다. 합성곱 신경망은 이미지를 분석할 때, 3차원의 Tensor (Weight, Height, RGB)을 통해 표현이 되고, 각각의 픽셀을 하나의 변수로 간주하여 모델링을 하게 됩니다. 이를 기존의 인공 신경망(Neural Network)를 통해 학습한다면, Input Layer와 Hidden Layer의 너무 많은 가중치가 존재하므로, 학습하는데 어려움이 있습니..
Computer Vision
2024. 2. 18. 22:56