2강에서는 이미지 분류에 대해서 다루고 있다. 이미지 분류는 컴퓨터에게 어려울 수 있는데, 어렵게 하는 요인으로는 다음과 같다. ▪️ Semantic gap : 컴퓨터는 우리가 보는 이미지를 0~255 사이 숫자의 픽셀로 본다. ▪️ Viewpoint variation : 카메라가 이동하면 모든 픽셀 값이 바뀌게 된다. ▪️ Image illumination : 조명에 따라 달라지는 이미지 ▪️ Deformation ▪️ Occlusion ▪️ Background clutter : 배경이랑 물체랑 색깔이 비슷해서 이미지를 분류하기 어려워짐 ▪️ Intraclass variation 📌 Data-Driven Approach 1. 이미지와 레이블의 데이터를 모은다. 2. 머신러닝을 사용하여 분류기를 훈련시킨..

CS231n 강의는 Neural network(aka “deep learning”) class on image classification 에 대해 다룬다. Youtube에서 무료로 볼 수 있다. https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv 실제로 시각 데이터(visual data)는 많이 사용되는데, 이와 관련된 알고리즘이나 시각 데이터를 구성하는 것이 정확하게 무엇인지 등을 이해하기는 어렵다. 📌 컴퓨터 비전의 역사(간단하게 정리) ▪️ Vision의 시작은 생물학적으로 543 million years B.C 쯤 시작되었다고 볼 수 있다. (처음으로 눈이 생겨난 시점..?) ▪️ Vision은 가..