멋쟁이 사자처럼 AI School 11주차

7월 11일

Numpy
- np.ones는 shape가 들어가고, np.ones_like는 array의 shape가 들어감
- 이미지 데이터에 np.transpose를 사용하면, 이미지가 회전함
- view(얕은 복사)는 원본에 영향을, copy(깊은 복사)는 원본에 영향을 주지 않음
- a@b = np.dot(a,b) = np.matmul
CNN (Convolution Neural Network, 합성곱 신경망)
- 이미지 데이터에서, 주변 정보를 연결해 보고자할 때 사용 (인접 데이터를 조사해 특징을 파악)
- 픽셀마다 다른 가중치를 부여함
특징 추출 영역: 합성곱층(필터 적용, 활성화 함수 반영)과 풀링층(선택적)을 여러 겹 쌓은 형태
- 필터: 각 레이어의 입출력 데이터의 형상 유지, 복수의 필터로 이미지의 특징 추출 및 학습 (수용영역, 필터, 커널)
Flatten 레이어: 추출된 주요 특징을 FC에 전달하기 위해 이미지 데이터를 배열 형태(1차원)로 전환
클래스 분류 영역: CNN 마지막 부분에는 분류를 위한 FC 추가

필터(Filter): 공용 파라미터로 학습의 대상이며, 합성곱의 가중치에 해당
커널(Kernel): sliding window하는 영역에서의 크기
스트라이드(Stride): 필터를 적용하는 간격
패딩(Padding): 외곽에 지정된 픽셀만큼 특정 값으로 채워 넣음
- valid: 유효한 영역만 출력
- same: 출력과 입력의 사이즈 동일
채널(Channel): 여러개의 채널을 가진 1개의 커널 (RGB)
특징맵(Feature Map): 필터가 순회하며 합성곱을 통해 만든 출력
액티베이션 맵(Activation Map): 피쳐 맵에 활성화 함수를 적용한 최종 출력층
풀링(Pooling): 출력 데이터의 크기를 줄이거나 특정 데이터를 강종
- 행렬의 크기는 감소하지만 채널 수 변경은 없음
- Max, Min, Average
데이터 증강(Data Augmentation)
openCV

tensorflow에서, validation_split 지정시 균일하게 나눠지지 않음 -> sklearn의 train_test_split 이용
이미지 데이터는 클래스마다 폴더를 만들어 관리하는 편
이진 분류: Dense(1, activation="sigmoid")
다중 분류: Dense(class #, activation="softmax")
데이터 증강