Logical Scribbles

이번 포스팅에서는 객체 탐지 논문을 읽다보면 많이 등장하는 2 stage detector와 1 stage detector에 대해 알아보자. 2 stage detector와 1 stage detector의 가장 큰 차이는 용어 그대로 단계에 있다. 2 stage detector 모델들은 Region Proposal 과정을 진행한 이후에 classification을 진행하기 때문에 두 단계를 통해 객체 탐지를 진행하고, 1 stage detector 모델들은 이들을 한단계로 묶어 진행한다. 먼저 Region Proposal이 무엇인지 살펴보자. Region Proposal 기존에는 이미지의 객체 탐지를 위해 'Sliding Window' 방식을 이용했었다. Sliding Window 방식은 이미지에서 모든 ..

고유값과 고유벡터를 이해하기 위해서는 선형변환과 행렬의 의미에 대해 먼저 알아야 한다. [선형대수학] 선형변환과 행렬 이번 포스팅에서는 선형변환에 대해 알아보자. 본격적으로 선형변환에 대해 알아보기 전, 행렬(Matrix)이 무엇인지부터 알아보도록 하자. 결론부터 말하면, 행렬은 선형변환이다. 선형변환이란 stydy-sturdy.tistory.com 위 포스팅을 이해했다면, 고유값과 고유벡터의 이해는 매우 쉽다. 어떤 선형변환에 의해 기존의 기저는 새로운 기저로 바뀔 것이다. 이 기저가 바뀜에 따라 기존의 기저로 표현되던 모든 공간상의 점들은 새로운 기저를 통해 표현이 될 것이다. 이렇게 새로운 기저를 통해 표현된 벡터는 기존의 방향과 다른 방향을 가리킬 가능성이 매우 높다. 말로만 하면 어려우니 다음 ..

지난 포스팅에서는 행렬식의 기하학적 의미에 대해 살펴보았다. [선형대수학] 행렬식의 기하학적 의미 이번 포스팅에서는 선형대수학에서의 행렬식에 대해 알아보도록 하자.행렬식 (Determinant) Determinant 라고도 불리는 행렬식의 notation은 다음과 같다.이제부터 우리는 '정방행렬'에 주목할 것이다. stydy-sturdy.tistory.com 이번에는 이 행렬식의 기하학적 의미의 연장선상에서 역행렬을 바라보려고 한다. 간단하게 역행렬이란 정방행렬의 역원이다. 수학적으로 'X의 역원'이란 X와의 정의된 연산을 통해 결과값이 항등원이 되는 것을 말한다. 실수 관점에서 3의 덧셈 역원은 3과 덧셈 연산이 이루어져 덧셈 항등원 0이 나오는 수, 즉 -3이고 3의 곱셈 역원은 3과 곱셈 연산이 이..

이번 포스팅에서는 선형대수학에서의 행렬식에 대해 알아보도록 하자. 행렬식 (Determinant) Determinant 라고도 불리는 행렬식의 notation은 다음과 같다. 이제부터 우리는 '정방행렬'에 주목할 것이다. 정방행렬(square matrix)이란 같은 수의 행과 열을 갖는 행렬을 의미한다. 왜 정방행렬에 주목해야 하는지에 대해서는 차차 알아보자. 2X2 정방행렬에서 행렬식은 다음과 같이 정의된다. 2차원 정방행렬에서 행렬식은 쉽게 계산할 수 있다. 하지만 이 행렬식이 의미하는 것은 무엇일까? 결론부터 말하면 행렬식은 선형변환 이후 단위면적의 넓이 변화이다. 다음과 같은 i,j 기저로 이루어진 사각형의 넓이를 살펴보자. 너무나 쉽게 벡터 i, 벡터 j가 만드는 사각형의 넓이는 1임을 알 수 ..

이번 시간에는 OpenCV를 이용하여 K-means 알고리즘을 통한 이미지 군집화를 구현해보자. K-means 알고리즘에 대해 잘 모른다면 아래 글을 읽고 따라오면 되겠다. https://stydy-sturdy.tistory.com/19 [기계학습] K-means Clustering 에 대하여이번 포스팅에서는 기계학습 이론에서 자주 나오는 K-means Clustering에 대해 알아보자. 기계학습은 지도학습과 비지도 학습, 크게 두가지로 나뉜다. 지도 학습은 선생님이 문제를 내고 그 다음 바stydy-sturdy.tistory.com 이미지 분할(Segmentation)은 비전 분야에서 이미지를 인식하고 분리하는 것에 있어 기초가 된다. OpenCV에서는 이미지 분할을 위한 K-means cluster..

이번 포스팅에서는 기계학습 이론에서 자주 나오는 K-means Clustering에 대해 알아보자. 기계학습은 지도학습과 비지도 학습, 크게 두가지로 나뉜다. 지도 학습은 선생님이 문제를 내고 그 다음 바로 정답까지 같이 알려주는 방식의 학습 방법이고, 비지도 학습은 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 것이다. 이번에 소개하는 K-means clustering, K-means 군집화는 비지도학습 방법 중 하나이다. 쉽게 말해 정답 라벨이 없는 데이터를 비슷한 특징을 갖는 K개의 군집으로 군집화 하는 알고리즘이다. K-means 군집화의 알고리즘은 다음과 같다.K개의 군집의 중심점(centroid)을 임의로 선택한다.각 데이터 포인트들을 가장 가까운..

수학적으로 행렬의 곱을 어떻게 계산하는지는 다들 알고 있을 것이라 생각한다. 나는 고등학교 '고급수학' 과목에서 처음으로 행렬 곱을 배웠었는데, 그 때 선생님께서 행렬 곱은 '드르륵, 드르륵' 이라고 설명해주신 것이 기억에 남고, 단순하게 행렬 곱을 구해야 할 때는 아직도 그런 방식이 가장 편하다. 이번 포스팅에서는 이 행렬 곱의 일반적인 방법에 대해 살펴보고, 행렬 곱을 '열벡터의 선형결합' 이라는 관점으로 이해하는 법 그리고 행렬 곱의 기하학적 의미에 대해 알아보자. 1. 일반적인 행렬의 곱셈 행렬 곱에 대한 정의이다. 위의 식을 살펴보면 A와 B행렬을 곱해서 나온 C행렬의 i번째 행, j번째 열은 (A의 i행 1열의 원소) * (B의 1행 j열의 원소) + (A의 i행 2열의 원소) * (B의 2행..

이번 포스팅에서는 선형변환에 대해 알아보자. 본격적으로 선형변환에 대해 알아보기 전, 행렬(Matrix)이 무엇인지부터 알아보도록 하자. 결론부터 말하면, 행렬은 선형변환이다. 선형변환이란 다음 두가지를 만족시키는 변환 T이다. 따라서 어떤 특정한 벡터 (x,y)^T가 있을 때, 그 벡터에 대한 선형변환은 다음을 만족시킨다. 위 식에서 재미있는 점은 벡터 (1,0)^T 와 벡터 (0,1)^T는 R^2의 기저라는 것이다. 그러므로 위의 3번째 식을 'R^2의 기저를 선형변환 한 후, 각각 x배, y배 해서 더한 꼴' 이라고 받아들일 수 있을 것이다. 여기서 'R^2의 기저를 선형변환' 한 결과를 새로운 기저라고 생각해보자. 그러면 어떠한 벡터가 선형변환 되면 그 결과는 새로운 기저의 x배, y배의 합이 된..