Tero Karras, Samuli Laine, Timo Aila(2019).A Style-Based Generator Architecture for Generative Adversarial Networks.CVPR2019 StyleGAN의 잠재 공간과 특징 분리 1. 왜 우리는 생성 모델을 제어하지 못하는가? Vanilla GAN의 한계: 잠...

강의 주소: CS231n Lecture 6. Training Neural Networks I 자료: 깃허브 강의 자료 1. 복습 이전 강의들에서는 Computational Graph를 통해 함수를 표현하는 법, 선형 레이어와 비선형성을 쌓아 신경망을 만드는 법, 그리고 공간적 구조를 보존하는 CNN에 대해 배웠다. 신경망 학습은 Mini-ba...

VAE는 잠재 변수 z가 표준 정규 분포를 따른다고 가정한다. z공간을 몰라서 정규 분포로 가정한다고 하는데 왜 하필 정규분포로 하는 것인가? 간단하고, 계산이 쉽고, 그럼에도 그럭저럭 잘 먹히는 기본값이기 때문 1. 계산이 편하다 VAE는 $q_\phi(z\mid x)$와 $p(z)$ 둘 다 정규분포로 둔다. 이렇게 두면 ELBO의 KL...

강의 주소: CS231n Lecture Lecture 5. Convolutional Neural Networks 자료: 깃허브 강의 자료 1. 복습 이전까지 선형 레이어(Linear Layer)를 쌓고 그 사이에 비선형성(Non-linearity)을 넣어 신경망을 구성하는 법을 배웠다. 2. 신경망과 CNN의 역사 (History) 1957...

Sequence Models (Course 5 of the Deep Learning Specialization) 음성 인식을 위해 Attention model을 사용하거나 CTC(Connectionist Temporal Classification) 비용 함수를 활용할 수 있다. 실제 구현 시에는 단방향 RNN보다는 주로 양방향 LSTM(Bidire...

Sequence Models (Course 5 of the Deep Learning Specialization) C5W3L01 Basic Models 1. 강의 도입 및 기계 번역 예시 Sequence Models을 다룹니다. 시퀀스 모델은 기계 번역 음성 인식 등에 유용하게 사용됩니다. 프랑스어 문장(입력 $X$)을 영어 문장(출력 $Y$)으로 ...

강의 주소: CS231n Lecture 4. Introduction to Neural Networks 자료: 깃허브 강의 자료 1. 배경 지식 복습: 분류기와 손실 함수 이전 강의들에서는 가중치 $W$와 데이터 $X$를 입력으로 받아 클래스 점수를 출력하는 함수 $f(X, W)$를 정의하는 법을 배웠다. Loss Function: SVM 손실...

강의 주소: CS231n Lecture 3. Loss Functions and Optimization 자료: 깃허브 강의 자료 1. 도입 및 지난 강의 복습 지난 시간의 이미지 분류 도전 과제와 Linear Classifier를 복습했다. 선형 분류기는 이미지의 픽셀 값을 가중치 행렬 $W$와 곱해 각 클래스에 대한 Score를 산출하며 이는 ...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W4L01 What is Face Recognition 1. Liveness Detection 생체 감지 는 대상이 살아있는 사람인지 아닌지(예: 사진)를 확인하는 기술이다. 이는 Supervised...

Convolutional Neural Networks (Course 4 of the Deep Learning Specialization) C4W3L01 Object Localization 1. 물체 Localization의 정의 이미지 Classification: 이미지를 보고 “이것은 자동차다”라고 판별하는 작업. Classification w...