deep learning7 RANSAC(Random Sample Consensus) * RANSAC : 무작위 하게 * SAMPLE : 데이터 샘플을 뽑아서 모델을 추정하고 * CONSENSUS : 모델에 대한 데이터의 합의도를 구해 정확한 모델임을 평가 * RANSAC을 하는 이유? * Inlier 데이터 : 기하학적으로나 통계적으로 올바른 데이터 * Outlier 데이터 - 기하학적으로나 통계적으로 잘못된 데이터 - 단순히 데이터만 봐서는 inlier/outlier 구분하기 어려움 - model parameter를 정확하게 계산하기 위해서는 Inlier 데이터만 사용해야함 -> Inlier 데이터로만 model parameter 계산하면 좋은 모델 파라미터가 나온다 -> Outlier 데이터를 포함해서 model parameter를 계산하면 잘못된 모델 파라미터가 나옴 * Outli.. 2022. 2. 20. Unsupervised, Semi-supervised, weakly supervised self-supervised learning * unsupervised : input 데이터만 있고 label이 없다 - semi-supervised : 일부 데이터만 label이 있다 - weakly-supervised : 예측을 위해 여러 종류의 label이필요한데 일부만 있다 - self-supervised : X에 z의 변형을 취해 X_z를 만들고 X_z로부터 X 혹은 z를 예측한다 2022. 2. 20. NMS( non-maximum-suppression) *비 최대 억제 (non maximum suppression) : computer vision tasks에서 많은 overlapping 된 entities들 중 하나의 entity를 선택하기 위한 알고리즘 과정 step1) 가장 높은 confidence score를 가지고 있는 prediction S를 선택 한 후 P라는 목록에서 제거한 후 이것을 final prediction 리스트(keep)에 더한다. 2) 그리고 keep에 있는 prediction S를 P에 있는 모든 predictions과 비교한다(IOU 이용). 만약 IOU가 thresh_iou 보다 높은 값들이 있으면, P에서 제거한다. step 3) P에서 여전히 남아있는 예측 값이 있으면, step1으로 돌아가서 다시 진행하고, 그렇지 않.. 2022. 2. 20. 이전 1 2 다음
