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
- Non-Maximum Suppression
- LLM
- rag parsing
- rag-fusion
- Cross Entropy Error
- 손실함수
- nlp
- Time Series
- pdf parsing
- 활성화함수
- visual instruction tuning
- leetcode
- 이상탐지
- 데이터 파싱
- 합성곱 신경망
- segmentation
- LLaVA
- 딥러닝
- anomaly detection
- 퍼셉트론
- rrf
- computer vision
- 오차역전파
- multi-query
- 시계열
- 컴퓨터비전
- E
- deep learning
- 활성화 함수
- Mean squared error
Archives
- Today
- Total
목록CNN (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