Image classification I

Image classification I¶

---

✅ 먼저 가장 간단한 Sigle Layer Neural Network를 살펴 보자¶

위 Sigle Layer Neural Networks는 Fully connected Layer라고도 불린다. 모든 픽셀들을 서로 다른 가중치로 내적을 하고 Non-Linear Activation Function을 통해서 분류 스코어를 출력하는 간단한 모델이다.

✅ 위 간단한 모델을 영상 분류에 사용하면 어떻게 되는지 살펴봐야 한다.¶

위 Fully connected Layer의 연산은 위와 같이 진행이 된다. 그 결과로 분류 스코어를 얻을 수 있다. W값을 확인해 보면 위 그림과 같다. 이때 확인해 보면 W는 Input image의 그림과 비슷하다는 것을 확인 할 수 있다.

📌 여기서 2가지 문제가 존재한다.

1. Layer가 한층이라 단순해서 이 평균 이미지들 외에는 표현이 안된다.
2. Test time에서의 문제

✅ Test time에서의 문제¶

학습시에는 영상에 말이 가득찬 이미지에 대해서 학습을 진행 하였다. 그 클래스에 대한 대표적인 패턴을 학습했다고 볼 수 있다. 이때 학습시에서 봐왔던 이미지와 다르게 말의 상반신을 잘라서 Input data로 넣어줬다고 가정해 보면 이런 패턴에 대해서는 학습동안에 본 적인 없기때문에 조금이라도 템플릿의 위치나 스케일이 안 맞으면 굉장히 다른 결과나 해석을 하게 된다.

✅ CNN¶

CNN은 locally connected neural networks이다.

• Local feature learning
• parameter sharing

이렇기 때문에 CV분야에서 많이 사용하게 된다.