NeuroWhAI의 잡블로그

※ "케라스 창시자에게 배우는 딥러닝" 책 일부 내용을 정리함. 사전 훈련된 네트워크(Pretrained Network)를 사용하는 기법엔 두가지가 있다. 특성 추출(Feature Extraction), 미세 조정(Fine Tuning)이다. 특성 추출도 여러 방법으로 진행할 수 있다. 먼저 사전 훈련된 네트워크에 샘플 데이터를 넣어 말 그대로 특성을 추출하여 나온 결과값(예측값)을 새로 만들 모델의 입력으로 사용하는 방법이 있다. 이 방법은 데이터 증식을 사용할 수 없고 미세 조정이 힘들다는 문제가 있다. 다른 방법은 새로 만들 모델에 사전 훈련된 네트워크를 포함하여 학습을 진행하는 것이다. 이 방법은 데이터 증식을 사용할 수 있지만 모델이 무거워진다는 단점이 있다. 첫번째 방법은 쉽다. 사전 훈련된 ..

https://www.codeonweb.com/@mookiekim/ml-glossary 크흐 번역까지 해주시다니 누군진 모르지만 사랑합니다...기계학습이 급속도로 발전하면서 용어 또한 급속도로 많아졌는데이해하기가 참 머시기 합니다.하지만 이 링크를 북마크 해둔다면 걱정을 좀 덜 수 있겠네요.. 압도적 감사...!

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs 공식 페이지 : https://tcwang0509.github.io/pix2pixHD/ 자 보십쇼. Label Map을 저렇게 만들어주면 (그냥 라벨=물체를 브러시로 그림 그리듯이 그려줄 수 있습니다.) 실사풍 이미지로 변환해줍니다. 심지어 모든 오브젝트는 다른 오브젝트와 적절히 조화롭게 생성됩니다. 이게 무슨 말이냐? 아래와 같은 작업이 가능하다는 말입니다. '나무'라고 지정했던 초록색 영역의 라벨을 '건물'로 바꾸기만하면 바로 나무가 건물이 되버립니다. 오브젝트도 쉽게 배치할 수 있는 툴이 있는듯 합니다. 요렇게 드래그해서 넣어주면 뙇. Two Minute P..