인공지능

Image Detection 기초

분류랑 Detection은 엄연히 다른 주제에 대해 접근하고 있기 때문에 사용하고 있는 성능지표도 다릅니다. 그렇기 때문에 추후에 Detection 알고리즘을 정리하기에 앞써 필요한 몇가지를 정리하고 가는게 좋을 것 같다는 생각이 들었습니다. 이 글은 라쟈링가파 샨무갸마니의 컴퓨터 비전과 딥러닝이라는 책의 4단원의 내용과 앤드류 응 교수님의 C4W3L01 강의를 재구성 한 것입니다. 1. Classification vs Localization vs Detection 이미지 분류는 어떤 특정 이미지에 어떠한 라벨을 붙이는 겁니다. 이에 반해 어떠한 객체의 위치를 찾아야 하는 것이 Localization과 Detection 입니다. 이 둘의 차이는 이미지 내에서 단일 객체의 위치를 찾는 것인지 혹은 여러 객..

R-CNN(Region with CNN features)

초기 Detection 알고리즘 계열에는 R-CNN계열과 YoLo 계열로 나뉩니다. 오늘은 그 중에서 R-CNN계열의 첫번째 모델인 R-CNN에 대해서 소개해보고자 합니다. 먼저 Detection 알고리즘의 계보 같은거를 보시면 좋을거 같습니다. 아마 이번 글 다음에는 Fast R-CNN과 Faster R-CNN을 리뷰하고 추후에는 요즘 핫한 DETR에 대해서 리뷰하려는 계획을 가지고 있지만 할 수 있을련지... 일단 시작해 보겠습니다. R-CNN(Regions with CNN features) R-CNN은 아래 논문에서 소개된 모델입니다. https://arxiv.org/pdf/1311.2524.pdf 현재 저 논문의 피인용수는 1만6천번을 넘긴 엄청난 논문입니다. 그만큼 비전을 한다면 한번쯤 다뤄볼 ..

Adversarial Policies : Attacking Deep reinforcement Learning 리뷰

오늘 2020년 ICLR에 Publish 된 Adversarial Policies : Attacking Deep reinforcement Learning이라는 논문에 대해 리뷰를 하려고 합니다. 논문 원본 링크 : https://arxiv.org/abs/1905.10615 Adversarial Policies: Attacking Deep Reinforcement Learning Deep reinforcement learning (RL) policies are known to be vulnerable to adversarial perturbations to their observations, similar to adversarial examples for classifiers. However, an att..

강화학습 개념

1. 강화학습이란? 머신러닝에서는 학습하는 방식으로 크게 4가지로 나누게 됩니다. 지도학습, 비지도학습, 준지도학습, 강화학습 강화학습은 학습하는 방식이 다른 머신러닝과 달라 다른 분류 기준에 들어가게 됩니다. 가장 크게 차이나는 거는 데이터가 필요없다는 겁니다. 필요한 강화학습 방식도 있긴 합니다만(ex. GAIL, Model based등등...) 개념파트니 이 부분은 넘어가도록 하죠. 나중에 기회가 된다면 해당 부분도 포스팅을 해보도록 하겠습니다. 제가 강화학습을 공부 했을 때는 가장 어려웠던 부분은 모델링을 예상하고 공부를 시작했는데 알고리즘의 성향이 강해서 이에 대해 적응하기가 조금 어려웠습니다. 계속 지도학습의 입장에서 이해하려고 했던 탓에 처음에 받아들이기가 어려웠죠. 앞으로 내용은 지도학습을..