[TIL] CS231n 2강 - Image Classfication 정리

 

 

Image classfication pipeline

- 이미지는 숫자로 구성된 3d array이다.

 

- challenges : 조명의 영향, occlusion(폐색) 등...

 

- 이미지 분류 : 이미지가 어떤 class에 속하는지 label을 return

 

- 기존의 방법 : 

이미지의 특징점 (edge)을 찾고 다른 이미지가 들어올 때 전반적인 비교를 한다 (일반적인 방법)

 

- Data driven approach

data set에 대해 학습시킨 후 , 

train()

predict()

 

 

- nearest neighbor classfier

ex) 유클라디안 거리, 맨하탄 거리, 마할라노비스 거리...

 

 

 

- 하이퍼 파라미터는 어떻게 설정하는가?

문제에 따라 다르다. 각각의 파라미터를 실험적으로 테스트하여 성능이 가장 높은 것을 채택해야 한다.

 

(중요) test set은 최후의 성능평가에만 사용해야 한다(rule) = 테스트 셋을 학습때 사용하면 안 됨!!

 

- test case가 적은 경우에는 어떻게하지?

cross validation

 

- nearest방식은 현실에서 적용하기 어렵다. test성능이 너무 낮다.

 

 

 

linear classfication

과정

32x32x3의 이미지를 1열로 쭉 편다.

10x3072개의 weight를 컨트롤 할 수 있다  = parametric approach

 

f(x,w) = W*x

x는 이미지, w는 weigth

 

 

 

 

 

* 설명이 잘 된 블로그

https://velog.io/@dongho5041/CS231n-2%EA%B0%95-%EC%A0%95%EB%A6%AC