본문 바로가기

CNN3

[TENSORFLOW]CNN-Classification 2017/05/08 - [machine learning] - [TENSORFLOW] CNN-CONVOLUTION2017/05/09 - [machine learning] - [TENSORFLOW]CNN-MAXPOOLINGconvolution을 통해 각각 다른 관점에서의 이미지를 제공하고, maxpooling을 통해 정보의 차원을 낮춰 계산을 단순하게 했다면, 이제는 이 둘을 연결해서 실제로 이미지를 classification 해보자. 아래의 코드를 살펴보자. 이미지 전처리 함수와 convolution, maxpooling 함수는 이전 포스팅에서 충분히 다루었기 때문에 생략하겠다.model 함수를 보자.24x24 input 이미지에 64개의 5x5 마스크들을 필터링 한다. 이렇게 하면 24x24의 이미지가 .. 2017. 5. 11.
[TENSORFLOW]CNN-MAXPOOLING 2017/05/08 - [machine learning] - [TENSORFLOW] CNN-1convolution으로 다양한 filter를 적용한 filter map을 생성했다면, 이제는 이 filter map의 계산 부하나 연산 속도 등을 위해 filter map 데이터의 크기를 줄일 필요가 있다. CNN의 pooling을 통해 filter map의 크기를 줄일 수가 있다. average pooling이나 sparse coding pooling, maxpooling 등의 여러 가지 pooling이 있으며 이번 포스팅에서는 max pooling만 다뤄볼 예정이다.max pooling은 말 그대로 해당 커널 내에서 가장 큰 값만 취하겠다는 소리다. 예를 들어 [[1,3], [2,4]] 의 값에서 4만 취하.. 2017. 5. 9.
[TENSORFLOW] CNN-CONVOLUTION 2017/04/19 - [machine learning] - [TENSORFLOW] Image AutoEncoder 이번 포스팅에서는 이미지나 오디오 등의 데이터에 대해 많이 쓰이는 CNN 모델에 대해 알아 볼 것이다. 기존 neural network의 경우에는 입력 데이터 차원이 클 수록 수많은 weight 파라미터를 가져야 한다는 단점이 있었다. 예를 들어 아래의 그림은 256x256의 이미지를 나타내며 각 픽셀이 10개의 output neuran에 매핑되고 있다. 아래의 방식을 기존에 학습한 neural network에 적용해 본다면 256x256x10 개의 weight 파라미터를 지녀야 할 것이다.CNN에서는 공유 파라미터라는 개념을 도입해서 위와 같은 부하를 방지하고 있다. 똑같은 256x256.. 2017. 5. 8.