1. Batch란?Batch는 인공지능(특히 딥러닝)에서 데이터를 처리하는 단위를 의미한다. 신경망을 학습할 때 전체 데이터를 한꺼번에 처리하지 않고, 여러 개의 작은 묶음(즉, 배치)으로 나누어 처리한다. 이는 메모리 사용량을 줄이고, 병렬 처리의 효율성을 높이며, 학습 과정에서의 안전성을 높이는 등의 이점이 있다. 2. Batch의 종류1. 배치 학습 (Batch Learning): 전체 데이터를 한 번에 학습하는 방식. 일반적으로 메모리가 많이 소모되며 큰 데이터셋에서는 비효율적이다.2. 미니배치 학습 (Mini-Batch Learning): 전체 데이터를 작은 묶음으로 나누어 학습하는 방식. 일반적으로 많이 사용된다.3. 확률적 경사 하강법 (Stochastic Gradient Descent, S..

Linear Layer는 딥러닝의 가장 기본적인 구성요소 중 하나이다. 딥러닝을 시작하는 단계라면, Linear Layer의 동작 원리와 역할을 이해하는 것이 중요하다. 1. Linear Layer란?Linear Layer는 인공 신경망의 기본 구성 요소로, 입력 벡터를 선형 변환(Linear Transformation)해서 출력 벡터를 만든다. 이는 다음과 같은 수식으로 표현될 수 있다.\[ y=Wx+b\]여기서:\(y\)는 출력 벡터\(W\)는 가중치 행렬 (wegihts)\(x\)는 입력 벡터\(b\)는 편향 벡터 (bias)이 수식을 통해 입력 데이터를 가중치와 편향을 사용해 선형 변환한 결과를 얻는다. 2. Linear Layer의 역할Linear Layer는 다음과 같은 중요한 역할을 한다.특..

기본 빌딩 블록 (Basic Building Block)'기본 빌딩 볼록' 이라는 말은 어떤 복잡한 구조를 구성하는 가장 기초적인 구성 요소를 의미한다. 예를 들어, 집을 지을 때 벽돌 하나하나가 기본 빌딩 블록이 되는 것처럼, 딥러닝 모델에서는 Linear Layer 같은 간단한 레이어들이 모여서 복잡한 신경망을 구성하게 된다. Linear Layer는 딥러닝 모델에서 데이터를 변환하고 처리하는 데 있어 가장 기본적인 작업을 수행한다. 이 레이어가 여러 개 쌓여서 복잡한 패턴을 학습하고, 더 높은 수준의 추상화를 이룰 수 있는 구조를 만들게 된다. 이렇게 기본 빌딩 블록을 쌓아가며 복잡한 모델을 구성하는 과정에서, 각각의 블록이 중요한 역할을 한다는 뜻이다.예를 들면:만약 이미지를 분류하는 모델을 만든..

결국 이 논문을 통한 구현은 안 하게 되었지만, 일본 자료 덕분에 읽을 만했던 논문입니다.- 이것도 블로그용으로 추후 다시 작성할 예정... 발표용으로 만든 PTT 파일이다. 참고 URLICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels" (slideshare.net) ICCV19読み会 "Learning Single Camera Depth Estimation using Dual-Pixels"第55回 コンピュータビジョン勉強会＠関東 ICCV読み会の資料です。 "Learning Single Camera Depth Estimation using Dual-Pixels"について解説しております。 https://kantocv.connpass.com/..

depth estimation을 처음 접하다보니 배경지식이 너무 없었기에, 읽으면서 너무 어려웠고 힘들었습니다.각 section은 이해가 되는 데, section들끼리 연결하여 이해하는 게 힘들었습니다. 발표용으로 만든 PPT 파일이다.

이 논문은 노션에 정리했습니다. https://wind-nerve-8e9.notion.site/SIMPLE-ONLINE-AND-REALTIME-TRACKING-32300a4d79cb409f880c8dfd007e7970