[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 50회차 미션

Part4-63. 효과적으로 사용할 수 있는 기법 - 03. (STEP 1) 데이터 증강 기법

불변성 Invariance

입력에 X를 적용해도 결과가 영향을 받지 않는 것을 불변성이라하고 함
영향을 받지 않는 다는 것은 출력에 X를 적용한 것과 같다는 의미이다.

translation을 하고 함수를 적용하나
함수를 적용하고 translation을 하는 결과가 동일하다면 불변이라고 함

회전과 불변성

로테이션을 하고 스케일링을 하거나
스케일링을하고 로테이션 하는 경우가 동일하므로
회전은 스케일에 Invariance하다고 할수 있음

회전과 불변성2

회전을 하고 translate를 하는 것과
translate를 하고 회전을 하는 결과가 다르므로
회전은 translate에 Variant하다고 할수 있음

Affine Transform

2차원 영상을 변환하는 것을 Affine Transform이라고 함
Affine Transform에는 회전(Rotation), 크기(scale), 밀림(Shearing), 반사(Reflection), 이동(Translation)이 해당됨
CNN은 Affine Transform에 Variant하다.
즉 서로 다른 영상으로 인식하게되므로 데이터 증강이 가능해짐
증강시킨 데이터를 넣어줌으로써 다양하게 적용하여 학습이 가능해짐

Noise 삽입

가우시안 노이즈, 손실압축(JEPG), Qunatization Noise(색상부족), Blur로
영상을 열화시켜 Data Augmentation을 할 수 있음

색상, 밝기 변형

흑백전환, 밝기 변환, 대비 변환, 컬러톤 변환, 화이트밸런스 조절 등으로
사진의 촬영환경이 달라지는 것을 시뮬레이션 진행

Part4-64. 효과적으로 사용할 수 있는 기법 - 04. (STEP 2) 배치 정규화와 변형 기법들 - 1

학습단계

스케일링과 편향을 추가하여 역전파 알고리즘으로 학습.
이동평균 또는 지수평균을 사용하여 추론

전결합 계층과 결합

편향의 역할이 겹치기 때문에 Fully에서의 편향을 제거함

합성곱 계층과 배치 정규화

좌측은 Fully 우측은 합성곱
전결합은 각 뉴런별로 정규화
합성곱은 배치, 높이, 너비에 대해서 모두 정규화, 각 채널별로 정규화 진행
나머지는 동일

딥러닝/인공지능 올인원 패키지 Online