👩🏻💻Standford CS231N Deep Learning -2
2020年09月05日ダウンジャケットブログ記録
2. Image Classification
意味gap:ピクチャはピクチャではなく、デジタルビュー viewpoint variation background clutter Illumination:輝度またはシャドウ 遮蔽:他のものに遮られて区別しにくい deformation 内部変異:同じ種類だが顔が異なる イメージからedgeを抽出する方向を考慮したが,あまりにも不安定で状況が多様であるため効率的ではない.
そこで,データ駆動法を用いて画像セットにラベルを付け,新しい画像を区別するために機械の学習モデルを訓練する. CIFAR10 data set
- 10 classes
- 50,000 trn-img
- 10,000 tst-img
- 32*32 piexel
L1 distance (Manhattan)
KNN
- majority vote
L2 distance (Euclidean)
Hyper-parameter
アルゴリズムのために選んだもの
- problem dependent -> try and pick!
- k, distance matrix...
-dataset->train、validation、test
1.trainで各種モデルを学習する(スーパーパラメータを変えることによって)
2.vaildaionを使用して最適なモデルを選択
3.モデルをテストで評価します.
- cross-validation
この例は5倍です
-foldの検証を回避して効率を向上
-深い学習でデータが大きすぎて使いにくい
何度も検証するのがメリット?
parametric model
- W, weight
- f(x,W)f(x, W)f(x,W)
-f(x,w)=Wx+bf(x,w)=Wx+bf(x,w)=Wx+b(bはbias)
(CIFAR 10線形分類のW)
knnアルゴリズムは機械学習で、学校ですでに学んだので、複雑ではありません.クロス検証は少し混同しています.もう一度探してみなければなりません.
私はL 2を画像比較に使うことをずっと理解していなかったが、最後にKNNは画像に使わないアルゴリズムだと教授に言われたので、もう考えないことにした.画素の類似性はL 2...
聞いてみるとメモが細かく書かれているので、今度の授業は耳を傾けて、メモを読みましょう.課題を終えて寝るぞ!
2. Image Classification
画像分類の難点
そこで,データ駆動法を用いて画像セットにラベルを付け,新しい画像を区別するために機械の学習モデルを訓練する.
- 10 classes
- 50,000 trn-img
- 10,000 tst-img
- 32*32 piexel
Nearest Neighbor
L1 distance (Manhattan)
- Train O(1) , Predict O(N)
-> **훈련을 느리게하고, 예측을 빠르게 할 순 없을까?**
KNN
- majority vote
L2 distance (Euclidean)
Hyper-parameter
アルゴリズムのために選んだもの
- problem dependent -> try and pick!
- k, distance matrix...
-dataset->train、validation、test
1.trainで各種モデルを学習する(スーパーパラメータを変えることによって)
2.vaildaionを使用して最適なモデルを選択
3.モデルをテストで評価します.
- cross-validation
この例は5倍です
-foldの検証を回避して効率を向上
-深い学習でデータが大きすぎて使いにくい
何度も検証するのがメリット?
Linear Classification
- W, weight
- f(x,W)f(x, W)f(x,W)
-f(x,w)=Wx+bf(x,w)=Wx+bf(x,w)=Wx+b(bはbias)
(CIFAR 10線形分類のW)
身動き
knnアルゴリズムは機械学習で、学校ですでに学んだので、複雑ではありません.クロス検証は少し混同しています.もう一度探してみなければなりません.
私はL 2を画像比較に使うことをずっと理解していなかったが、最後にKNNは画像に使わないアルゴリズムだと教授に言われたので、もう考えないことにした.画素の類似性はL 2...
聞いてみるとメモが細かく書かれているので、今度の授業は耳を傾けて、メモを読みましょう.課題を終えて寝るぞ!
Reference
この問題について(👩🏻💻Standford CS231N Deep Learning -2), 我々は、より多くの情報をここで見つけました https://velog.io/@twinklesu914/Standford-SC231N-Deep-Learning-2テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol