1. Edge Detection이란?Edge란 영상에서 픽셀의 밝기 값이 급격하게 변하는 부분입니다. 일반적으로 배경과 객체 또는 객체와 객체의 경계를 의미합니다. Edge detection은 영상을 $(x, y)$ 변수의 함수로 간주하였을 때, 함수의 1차 미분 값이 크게 나타나는 부분을 검출합니다. 2. ResNet과 Residual Learning이란?ResNet은 딥러닝 모델의 깊이가 깊어질수록 발생하는 gradient vanishing문제를 해결하기 위해 개발된 모델입니다. residual learning은 입력을 출력에 직접 더함으로써 네트워크가 학습해야 하는 목표를 residual function으로 변경합니다. 이 방식은 깊은 네트워크에서도 안정적으로 학습을 가능케합니다. 3. Convol..
1. MLP와 CNN이란?MLP란 여러 개의 퍼셉트론 뉴런을 여러 층으로 쌓은 다층 신경망 구조입니다. 입력층과 출력층 사이에 하나 이상의 은닉층을 가지고 있는 신경망입니다. 인접한 두 층의 뉴런 간에는 완전 연결됩니다. CNN은 이미지의 특정한 패턴의 특징이 어디서 나타나는지를 확인하는 도구인 필터를 학습시키는 것입니다. CNN은 이미지를 가장 잘 분류할 수 있는 최적의 필터를 찾는 과정입니다. MLP는 일반적인 분류, 회귀 문제에 사용되지만, 이미지 및 비디오 등 다양한 고차원 데이터에서 우수한 성능을 발휘합니다. MLP는 입력 데이터의 공간적 구조를 고려하지 않고 각 입력 특성을 독립적으로 처리하지만 CNN은 입력 데이터의 공간적 구조를 유지하며 처리합니다. 2. ResNet과 Residual Le..
면접 준비 - 딥러닝 기본 내용 1. 딥러닝이란?딥러닝은 머신러닝의 한 분야입니다. 딥러닝 모델은 여러 층의 뉴런으로 구성되어 있으며, 복잡한 데이터에서 패턴을 학습하고 추출할 수 있습니다. 대표적인 모델로는 CNN, RNN, Transformer 등이 있습니다. 2. CNN(Convolutional Neural Networks)란?합성곱 신경망(CNN)은 데이터로부터 직접 학습하는 딥러닝의 신경망 아키텍처입니다. CNN은 합성곱 계층과 풀링 계층을 사용해 이미지의 지역적 특징을 추출하고, 이를 기반으로 이미지 관련 처리 작업을 수행합니다. CNN은 이미지 분류, 분할, 생성, 객체 탐지 등의 분야에서 활용됩니다. 3. 역전파 알고리즘(Backpropagation)이란?다층 퍼셉트론 같은 깊은 신경망이 ..
컴퓨터비전 면접 준비 - 머신러닝 1. 머신러닝과 딥러닝의 차이란?머신러닝은 데이터에서 패턴을 학습하고 이를 활용하여 작업을 수행하는 알고리즘을 개발하는 것입니다. 딥러닝은 머신러닝의 한 분야로, 인공 신경망을 사용해 대규모 데이터를 학습합니다. 딥러닝 모델은 데이터에서 복잡한 패턴을 추출할 수 있는 능력을 가지고 있어, 머신러닝 기법보다 높은 성능을 보여주는 경우가 많아 복잡한 문제에 적합한 모델입니다. 2. 지도(Supervised), 비지도(Unsupervised), 준지도(semi-supervised)이란?지도학습은 정답이 있는 데이터를 학습합니다. 비지도 학습은 정답이 없는 데이터를 학습하며, 준지도 학습은 정답이 일부만 있는 데이터를 학습합니다. 지도학습에는 크게 회귀와 분류가 있으며 대표..
컴퓨터 비전 면접 준비 - 선형 대수 & 확률 통계 1. Entropy, Cross Entropy loss란?Entropy는 확률 변수와 관련된 불확실성, 각 사건의 평균 정보량을 측정합니다. Entropy가 높다는 것은 불확실성이 높다는 뜻입니다. Cross Entropy는 데이터의 확률 분포를 $ P(x) $, 모델이 추정하는 확률 분포를 $Q(x)$라 할 때, 두 확률 분포 $P$와 $Q$의 차이를 측정하는 지표입니다.2. KL-divergence란?두 확률 분포 $P$, $Q$ 가 있을 때, $P$에 근사하기 위한 $Q$ 분포를 통해 샘플링할 때 발생하는 정보량의 손실을 의미합니다.3. Gaussian Distribution이란?정규분포라고도 하며 평균을 중심으로 대칭인 확률 분포입니다. 대..
