지난 시간에는 classifier 중 이웃, kNN에 대해 배웠다. 이번 시간에는 Linear classifier에 대해 배울 것이다. 다시 CIFAR10을 불러와보자. 50,000 training images. each image is 32*32*3 Linear classifier 선형 분류기의 아이디어는 parametric approach이다. 3072 number에서 f(x,W) 라는 함수에 W라는 parameters or weights 라는 기본적인 가중치를 준다. f(x,W) = Wx +b (10,) (10, 3072) 모든 이미지를 함수로 만들어준다. 이미지를 쪼갠 후, W라는 가중치 벡터를 곱해서 각각의 r,g,b에 대한 결과값을 구한다. b라는 편향성으로 함수를 보정해준다. 함수와 같다. ..
clssification 할 떄 이미지들에서 고려할 점. 1. 우리는 이미지를 바로 인식할 수 있지만, 컴퓨터에서 이미지는 전부 숫자로 이루어져 있다. rgb를 뜻하는 코드[0~255]와 800*600*3 channel RGB 즉, 빨강, 초록, 파랑 채널의 숫자들을 각각 가지고 있다. 2. 만약 카메라의 방향이나 각도를 바꾼다면 픽셀의 값은 매우 많이 변동한다. 이 점에서 로봇들이 어떻게 대응할 것인지 생각해 볼것. 만약 같은 물체지만 색깔이 다른 경우, 전부 다른 픽셀값을 가지므로 그 방안에 대해서도 고려해야 한다. 4. 카테고리 안에서도 분류되는 경우가 있다. ex) 고양이의 종류. 5. background color에 대해서도 고려해야 한다. 6. 조명이나 일루미네이션에 대해서도 인식할 수 있을정..