딥러닝 (18) 썸네일형 리스트형 [GAN] 인공지능으로 화장시키기 GAN을 이용하여 화장하는 인공지능 모델을 만들어 화장을 시켜보자 출처 영상 : https://www.youtube.com/watch?v=Uhn3dmW1uuM&list=PLRJOE4yoSM0SaeirRMcInTprh7i1ogXuR&index=5 원리 Generator : 생성모델 (얼굴 —> 화장 ) Discriminator : 분류 모델 ( 진짜인지 가짜인지) [ 3가지 오차 함수] cycle consistency loss : 내 얼굴 → 화장 —> 내얼굴로 다시 generate 했을 때 내얼굴이 입력과 결과가 같은지 (오차 최소화) perceptual loss: 내 얼굴이 내 얼굴로 나올 수 있도록 하여 메이크업 시키도록 하는 (오차 최소화) makeup loss: 얼굴에서 주요 부위 (입술, 눈) .. 개, 고양이 음성 분류 신경망 실습 google colab에서 개와 고양이 음성 분류를 위해 신경망에 실습해보겠다. 파일은 kaggle 에 있는 개, 고양이 파일로 실습해보았다. 소리 데이터 파일 출처 : https://www.kaggle.com/datasets/mmoreaux/audio-cats-and-dogs?select=cats_dogs 목차 1. 준비 작업 2. 두번째 타이틀 3. 세번째 타이틀 4. 네번째 타이틀 1. 데이터 로드 코랩에 파일을 올리고 데이터를 로드 시킨다. 아래의 코드 순서는 dog(1~100) —→ cat(101~200) —→ dog (201~300) —→ cat (301~400) 순서이다. import pandas as pd import numpy as np import glob #glob 모듈의 glob 함.. 밑바닥부터 시작하는 딥러닝 8장 -2. 사물검출(object detection) 출처: 밑바닥부터 시작하는 딥러닝 p.279 티스토리 참고 출처 https://techblog-history-younghunjo1.tistory.com/m/178 https://velog.io/@cha-suyeon/딥러닝-Object-Detection-개념과-용어-정리 목차 1. object detection (사물 검출) 이란 2.object detection의 과정 3. R-CNN 1. object detection (사물 검출) 이란 Object Detection = 여러가지 물체에 대한 Classification + 물체의 위치정보를 파악하는 Localization object detection 이란 여러 물체에 대해 어떤 물체인지 분류하는 Classification 문제와 그 물체가 어디 있는지.. 밑바닥부터 시작하는 딥러닝 8장. 딥러닝의 역사와 기술들 출처: 밑바닥부터 시작하는 딥러닝 목차 1. LeNet - CNN 시초 신경망 2. VGG 신경망 3. VGG 신경망 코드 (텐써플로우) 4. 그 외 다른 유명한 신경망 1. LeNet - CNN 시초 신경망 LeNet 은 손글시 숫자를 인식하는 신경망으로 1998년에 제안되었다. CNN 알고리즘의 시초 신경망이다. MNIST 데이터를 만든 얀루큰 교수님에 의해 개발됨. 지금은 28x28 사이즈를 사용하는데 그 당시에는 32x32 사이즈로 신경망에 넣었다. 설계도 : 이미지(32x32) ——> conv —→ maxpooling —→ conv —→ maxpooling —→ fully connected1 —→ fully connected2 —→ fully connected3 —→ outpu 2. VGG 신경.. 밑바닥부터 시작하는 딥러닝 7장 CNN 목차 1. 합성곱 (CNN) 2. 패딩 3. 3차원 데이터의 합성곱 연산 4. 풀링 1. 합성곱 (CNN) 안녕하세요 2. 두번째 타이틀 안녕하세요 3. 세번째 타이틀 안녕하세요 4. 네번째 타이틀 안녕하세요 밑바닥부터 시작하는 딥러닝 6장-1. 언더피팅을 방지하는 방법들 목차 언더피팅을 방지하는 방법들 1. 가중치 초기값 설정 2. 배치정규화 3. 세번째 타이틀 4. 네번째 타이틀 1. 첫번째 타이틀 안녕하세요 2. 두번째 타이틀 안녕하세요 3. 세번째 타이틀 안녕하세요 4. 네번째 타이틀 안녕하세요 밑바닥부터 시작하는 딥러닝 5장 13 소프트맥스함수 with 오차함수 계층 구현하기 밑바닥부터 시작하는 딥러닝 (p.176~) 참고 목차 1. 소프트맥스 함수 with 오차함수 계층 2. softmax-with-Loss 계층 계산 그래프 (역전파) 3. softmax-with-Loss 계층 클래스 및 객체화 1. 첫번째 타이틀 안녕하세요 2. 두번째 타이틀 안녕하세요 3. 세번째 타이틀 안녕하세요 4. 네번째 타이틀 안녕하세요 밑바닥부터 시작하는 딥러닝 5장 11 Affine 계층 구현하기 밑바닥부터 시작하는 딥러닝 (p.173~) 참고 목차 1. Affine 계산 그래프 2. Affime 계층의 역전파 3. Affine 클래스 생성 및 객체화 4. 배치용 Affine 계층 5. 배치용 Affine 클래스 생성 및 객체화 1. 첫번째 타이틀 안녕하세요 2. 두번째 타이틀 안녕하세요 3. 세번째 타이틀 안녕하세요 4. 네번째 타이틀 안녕하세요 이전 1 2 3 다음
