목록머신러닝 (50)

Attention please

[딥러닝] 의료영상 종류에 따른 병변 영역 분할 딥러닝 모델 별 성능 비교

What Experiment? 영역 분할(segmentation) 딥러닝 모델은 의료영상에서 많이 쓰이며 또 발전해왔다. 의료영상은 질환에 따라 영상의 종류와 feature가 전부 다르며, 딥러닝 모델 역시 영역 분할을 위해 개발된 다양한 모델들이 존재한다. 하지만 새로운 의료영상이 주어졌을 때 어떤 딥러닝 모델이 적합할지 선택할 때 어려움을 겪을 수 있다. 이러한 문제를 해결하고자 여러 종류의 의료영상에 대해 다양한 딥러닝 모델로 실험을 하여 성능을 비교하였다. Dataset 의료영상에서 병변 영역을 검출할 때 가장 중요한 것은 의료영상의 종류이다. 어떤 종류의 영상인지에 따라 feature가 다르기 때문에 이는 모델 성능에 직접적으로 영향을 미친다. 이미 다양한 의료영상들이 나와있으며 이번 실험을 위..
프로젝트 2022. 12. 14. 17:51
[딥러닝] im2col의 원리, im2col을 이용한 합성곱

2022.12.10 - [딥러닝/CNN] - [딥러닝] Max Pooling의 원리, 합성곱층과 max pooling층의 차이 Max Pooling 2022.12.09 - [딥러닝/CNN] - 텐서의 합성곱 텐서의 합성곱 2022.12.09 - [딥러닝/CNN] - 이미지와 텐서, 전치(transpose) 이미지와 텐서, 전치(transpose) CNN(합성곱 신경망) 앞으로 다룰 CNN - Convolution Neural Network smcho1201.tistory.com 지난 글에서는 CNN을 구성하는 요소 중 2가지, convolution층과 max pooling층의 역할과 차이점에 대해 알아보았다. 이번 글에서는 4차원 텐서를 다루어야하는 CNN인 만큼 들어가는 코드가 복잡해지고 시간비용이 늘..
딥러닝/CNN 2022. 12. 10. 03:09
[딥러닝] Max Pooling의 원리, 합성곱층과 max pooling층의 차이

2022.12.09 - [딥러닝/CNN] - 텐서의 합성곱 텐서의 합성곱 2022.12.09 - [딥러닝/CNN] - 이미지와 텐서, 전치(transpose) 이미지와 텐서, 전치(transpose) CNN(합성곱 신경망) 앞으로 다룰 CNN - Convolution Neural Network 은 컴퓨터 비전 즉 이미지를 처리하는데 특화되어있다 smcho1201.tistory.com 합성곱 신경망(CNN)을 구성하는 요소는 총 3가지가 있다. Affine - ReLu - Affine - softmax - CrossEntropy 합성곱층(Convolution) max pooling 저번 글에서는 위 3가지 요소중 합성곱층에 대해 알아보았으며, 이번 글에서는 max pooling에 대해 알아보자. Max P..
딥러닝/CNN 2022. 12. 10. 00:02
[딥러닝] 텐서의 합성곱의 원리, CNN - 합성곱신경망

2022.12.09 - [딥러닝/CNN] - 이미지와 텐서, 전치(transpose) 이미지와 텐서, 전치(transpose) CNN(합성곱 신경망) 앞으로 다룰 CNN - Convolution Neural Network 은 컴퓨터 비전 즉 이미지를 처리하는데 특화되어있다. 즉, 이미지를 학습을 한다는 것인데 컴퓨터에 학습시키기 위해서는 데이터를 수 smcho1201.tistory.com 저번 글에서는 학습을 할 이미지가 텐서로 구성됨을 보였으며, 학습을 위한 전처리 방법 중 하나인 전치(transpose)에 대해 알아보았다. 이번 글에서는 CNN의 핵심이라 할 수 있는 합성곱이 어떻게 이루어지는지 알아보자. 합성곱(Convolution)이란 무엇인가? 앞에서 다루었던 Affine층으로 이루어진 full..
딥러닝/CNN 2022. 12. 9. 23:12
[딥러닝] 이미지와 텐서의 관계, 전치(transpose) - CHW, HWC

CNN(합성곱 신경망) 앞으로 다룰 CNN - Convolution Neural Network 은 컴퓨터 비전 즉 이미지를 처리하는데 특화되어있다. 즉, 이미지를 학습을 한다는 것인데 컴퓨터에 학습시키기 위해서는 데이터를 수치화할 필요가 있다. 글과 같이 자연어를 처리할 때는 언어를 벡터로 바꾸는 등 전처리 과정이 필요하지만 이미지나 영상은 애초에 텐서의 형태를 가지고 있다. 예를 들어 흑백 사진은 행렬 즉 2차원 텐서이며, 여러 이미지들을 배치로 묶게 되면 3차원 텐서가 된다. 컬러 이미지같은 경우는 R, G, B 3개의 행렬이 합쳐져 있는 형태로 3차원 텐서이며, 컬러 이미지 여러장을 배치로 묶게 되면 4차원 텐서가 된다. 2차원 텐서까지는 평면에 표현하기 어렵지 않다. 하지만 3차원 이상부터는 입체..
딥러닝/CNN 2022. 12. 9. 21:38
[머신러닝] 시계열 데이터 - 농산물 가격 예측

AIFactory [안내] 2022 농넷 농산물 가격 변동률 예측 AI 경진대회 aifactory.space 이번 프로젝트는 AIfactory 플랫폼에서 진행하는 대회 중 농산물 가격을 예측하는 것입니다. 다양한 농산물 품목들에 대해 각각 데이터가 준비되어있지만, 이번 글에서는 0번 품목의 데이터만 다루도록 하겠습니다. 또한 성능을 확인하기 위해서 test 데이터는 사용하지 않을 것이며, train 데이터만을 사용하도록 하겠습니다. Data 이번 글에서 다룰 데이터는 0번째 품목의 훈련데이터이며, 2013/01/01 ~ 2016/12/31 의 데이터가 저장되어있습니다. 위의 사진과 같이 총 1461개의 행과 58개의 열로 이루어져있습니다. 이중 예측해야하는 target 변수는 "해당일자_전체평균가격(원)..
프로젝트 2022. 11. 7. 15:16
이전 Prev 1 ··· 4 5 6 7 8 9 Next 다음