새 논문을 살펴 봄에 있어 중요한 요소들 정리?
Data
The data that the model can learn from
인공지능을 학습시킬 source.
이미지, 말 뭉치, 영상 등 다양한 것
| Classification | 이미지를 보고 내용물을 label! |
|---|---|
| Semantic Segmentation | 이미지의 pixel 별로 분류! |
| Detection | 물체의 bounding box를 찾기 |
| Post Estimation | 사진을 보고 2차원/3차원 스켈레톤 추출 |
| Visual Q&A | 사진과 문장을 보고 문장에 답하기 |
| ...etc | 그 외 다양한 것들 |
Model
The model how to transform the data
source(input)을 label화 시킴
image/text 등이 주어졌을 때 class lable이든 뭐든 바꿔주는 역할을 함
AlexNet, GoogLeNet, ResNet, DenseNet, LSTM, Deep AutoEncoders, GAN, ...
Loss
The loss function that quantifiies the badness of the model
만들어진 model을 학습시키기 위한 function
DL에서는 weight와 bios로 이루어져있고, weight의 기준 식~~
Regression Task : 제곱 최소화가 일반적인 목적, 제곱을 평균내서 줄인다 - MSE
Classfication Task : Cluster Entropy 최소화, CE
Probabilistic Task : 확룰 관련, MLE(=MSE)
Algorithm
The algorithm to adjust the parameters to minimize the 'loss'
'loss'를 최소화시키기 위한 알고리즘
다른 요소가 정해져 있을 때 network를 최소화
Comment