Regularization 이란?기계 학습과 딥러닝에서 Regularization은 모델이 overfitting(과적합)되지 않도록 도와주는 기법을 의미함.Overfitting(과적합)은 모델이 훈련 데이터에 너무 잘 맞아 새로운 데이터에 대해 일반화(generalization)가 잘되지 않는 상황을 의미함.Regularization을 통해 모델의 Degree of Freedom(자유도), 즉 모델이 표현할 수 있는 복잡성을 제어해 일반화 성능을 높일 수 있음.주요 Regularization 기법들1. L1 및 L2 RegularizationL1 Regularization: 가중치 값의 절댓값 합을 손실 함수에 추가하는 방식임. 모델의 일부 가중치가 0이 되게 만들어 희소성(sparsity)을 증가시키는..

1. Hyperplane과 Decision Boundary (결정 경계)의 기본 개념1-1. Hyperplane의 정의n차원 공간을 (n-1)차원으로 나누는 부분공간1차원: 점2차원: 직선 (1차원)3차원: 평면 (2차원)n차원: (n-1)차원의 평면1-2. Decision Boundary (결정 경계)서로 다른 클래스를 구분하는 경계Classifier의 출력이 바뀌는 지점들의 집합: binary classification의 경우 0.5의 확률에 해당.Decision Boundary의 선형/비선형 여부가 Classfifier의 핵심 특성을 결정2. Decision Boundary(결정 경계)의 선형성과 Hyperplane2-1. Linear Decision BoundaryHyperplane 형태의 결정 ..

Camera 이전?2024.10.09 - [Programming/DIP] - [CV] Camera Obscura and Camera Lucida [CV] Camera Obscura and Camera LucidaCamera ObscuraCamera Obscura는 "어두운 방 또는 어두운 상자"와 “pin hole”에 기반한 광학기기임.빛의 ”직진성“을 이용한 초기의 원시적인 광학 기기이며 오늘날 사진기의 전신에 해당함.이 장치는 pdsaint31.tistory.com1827년: Heliography (세계최초의 영구적 사진기술)등장니세포르 니엡스(Nicéphore Niépce)는 세계 최초의 영구적인 사진 "View from the Window at Le Gras"를 1826년 또는 1827년에 촬영한..

Camera ObscuraCamera Obscura는 "어두운 방 또는 어두운 상자"와 “pin hole”에 기반한 광학기기임.빛의 ”직진성“을 이용한 초기의 원시적인 광학 기기이며 오늘날 사진기의 전신에 해당함.이 장치는 pinhole (매우 작은 지름의 구멍)을 통해”외부의 빛“을 어두운 방이나 상자 안으로 투사(perspective projection) 하여반대편 평면에 뒤집힌 어둡지만 뚜렷한 상(image)을 형성함.Camera Obscura는 중세 시대부터 예술가들이 정확한 원근법을 얻기 위해 사용됨.이는 이후 사진술의 중요한 토대를 이룸."Obscura"는 라틴어로 "어두운"이라는 뜻의 단어임.해당 장치가 어두운 방이나 상자 안에서 이미지를 형성하는 점을 의미함.Camera LucidaCame..

Dynamic Range와 Contrast는 "디스플레이 시스템 및 이미지 센서"나 "이미지"의 Brightness 특성을 설명하는 데 사용되는 관련된 용어.2024.09.05 - [Programming/DIP] - [CV] Brightness vs. Intensity [CV] Brightness vs. Intensity (+ Gamma Response Function)1. 강도(Intensity):intensity는 픽셀(Pixel)의 photodiode 등에서 측정된 pixel에서의 빛의 양을 나타내는 (물리적인) 측정치임.이는 객관적으로 측정 가능하며, 그레이스케일(Grayscale) 이미지에서는 흔히 0에dsaint31.tistory.com하지만 다음과 같은 차이점을 가짐.1. Dynamic Ra..

Noise:Unwanted modification of signal duringcaptureconversiontransmissionprocessingImage Sensor 의 노이즈의 종류는 크게 다음과 같음.Photon Shot Noise (Scene Dependent)Quantum nature of lightRandom arrival and detection of photons : Poisson Distribution광자에 의한 electron의 생성이 random process 를 따름때문에 variation이 존재함.Photon Noise는 Poisson Noise를 따름: $p(x)=\frac{\lambda^x e^{-\lambda}}{x!},\text{ where } \mu(x)=\lambda..