러닝머신 하는 K-공대생

0. 글을 시작하며 전에는 딥러닝 쪽 공부와 영상처리 및 XAI 분야의 공부를 위주로 진행했었는데 고전적인 머신러닝 쪽 부분은 선형대수학, 가우시안 등 수학적인 내용이 많아 넘어갔었다. '머신러닝 도감'이란 책을 읽게 되었는데 수학적인 내용을 최소화하여 그림과 sklearn 라이브러리의 예제를 통해 쉽게 알려주어 전체적인 흐름을 잡기에 좋았다. 머신러닝 기초, 지도학습, 비지도학습 파트로 나뉘는데 지도학습 부분은 대부분 알고 있었고 비지도 학습 부분은 PCA, 잠재 의미 분석, 국소 선형 임베딩 등 이름만 들어본 경우가 많았다. 그래서 잘 몰랐던 내용들을 위주로 정리해보려고 한다. 그리고 최근에 머신러닝 공부를 하면서 도움을 받은 사이트, 유튜브들도 정리해둘 테니 한 번 확인해보길 바란다. 또한 방학이니..

1. 개발 동기와 목적 CNN(Convolution Neural Networks)은 컴퓨터 비전 및 시각적 이미지를 분석하는 데 매우 자주 사용되는 딥러닝 네트워크이다. 하지만 모델에 입력으로 이미지를 넣었을 때 모델 내부에서 연산 과정을 거쳐 예측한 클래스를 결과로 반환할 뿐 어떤 이유로 해당 클래스로 예측하게 되었는지 사람이 납득할만한 근거를 제시해주지는 않는다. 이런 이유에서 딥러닝 모델들을 마치 블랙박스와 같다고 표현하기도 한다. 본 연구자는 이런 궁금증으로 이전에 CNN 모델의 각 레이어의 출력값, 각 레이어의 필터 패턴을 시각화해보고 클래스에 대한 정보를 얻기 위해 Grad-CAM을 적용해서 해석해봤었다. 이후에 개발한 CNN 모델이 잘 작동하지 않는 이유를 파악하기 위해 이전에 작성했었던 파..

보호되어 있는 글입니다.

Date: 2021/09/09 Title: Striving for Simplicity: The All Convolutional Net #1 - Reasons why I read this paper: Reading a paper explains Layer-wise Relevance Propagation last time, I had have curiosities about backward processs in neural networks explain or visuallize black boxes of neural networks. Also I have experience on visuallizing Convolutional Neural Network using Guided Backpropagation w..