[네이버 부스트 캠프] AI-Tech - Lv2 week1(4)

학습기록 - 29

오늘 할 일

• Semantic segmentation
• 특강 (NLP - 주재걸 교수님)
• 멘토링

1. 강의 복습 내용

1. Semantic segmentation

   • Image classification 을 ‘Pixel’ 단위로 분류하는 문제 영상 속에 있는 물체가 같은 클래스면 클래스로만 분류하고 물체를 분류하진 않는다. Computational Photography 에 자주 쓰인다.

2. Semantic Segmentation Model

   • Fully Convolutional Networks (FCN) Fully Connected Layer : Output a fixed dimensional vector and discard spatial coordinates
     이전에 분류 문제의 마지막 layer에서 다뤘던 Fully Connected Layer는 Convolution 과정을 모두 마친 후, 3D tensor를 2D vector로 만드는 layer를 말한다.
     만들어진 vector를 1000개의 feature로 만들어서 분류를 하게 한다.

   Fully Convolutional Layer : Output a classification map which has spatial coordinates
   Convolution을 통해 만들어진 layer Score map 이 저해상도로 된다. -> Upsampling 필요

   

   • Upsampling Transposed convolution / Upsample and convolution

   Transposed convolution에 관한 이론, 중첩(Overlap) 부분에 대한 문제가 생김.
   

   Nearest Neighbor (NN), Bilinear 방식을 이용한 overlap 문제 해결. Nearest Neighbor : 바로 옆 픽셀의 내용을 그대로 가져오는 방식.
   Bilinear : 좌우 픽셀의 중간값을 가져오는 방식
   

   HyperColumn / U-Net / DeepLab

   FCN U-Net

2. 고민 내용, 결과 (과제 수행 과정, 결과물 정리)

과제

-> 내일 고고!

3. 피어세션 정리

[ 2021년 9월09일 목요일 회의록 ]

✅ 오늘의 피어세션 (모더레이터: 이양재)

1. 강의 요약
   • 발표자: 이양재
   • 내용: Image classification - 4
     • Semantic Segmentation

📢 내일 각자 해올 것

1. 모더레이터: 임성민 - 강의 5 강
2. 필수 과제 리뷰, 질문

📢 내일 우리 팀이 해야 할 일

1. 톡방 이용한 질문 확인

📢 토의 내용

• Convolutional Layer Output Size 계산

  Calculate Convolutional Layer Output size

• Interpolation Convolution
  • NN
  • Bilinear
  • Super Resolution
• Skip Connection Adding

4. 학습 회고

• 매일 매일 아쉬움이 많이 남는 하루다. 오늘도 아쉬움이 많이 남는다. 이론들에 대한 설명이 많았는데.. 논문 리뷰를 직접 해봐야겠다.