딥러닝(Deep Learning)56 [X:AI] Inception-v2, v3논문 이해하기 INCEPTION Inception은 ILSVRC 2014(ImageNet Large-Scale Visual Recognition Challenge)에서 1등을 차지한 GoogLeNet에서 사용된 핵심 구조의 이름으로『Going deeper with convolutions』논문을 통해 그 특징을 파악할 수 있다. 실제로 논문의 이름은 영화 "인셉션"에서 유래한 밈에서 따왔다고 한다. (실제 영화에서 언급된 말은 아닌듯..) 오늘 소개할 내용은 Inception-v2, v3가 소개된 논문이 메인이기 때문에 우선은 Inception에 대한 간단한 정보만 짚고 넘어가겠다. Inception module의 구조는 아래 그림과 같으며 주된 아이디어는 여러개의 convolution filter를 이용해 featur.. 2023. 3. 16. [X:AI] Selective Search란? [Paper] : http://www.huppelen.nl/publications/selectiveSearchDraft.pdf - Selective Search를 사용하기 전에는 사물이 있을법한 영역을 모두 조사하는 Exhaustive Search(완전 탐색) 방법을 사용하였다. - 대표적인 탐색방식으로는 Sliding Window 방식이 있는데, 탐색해야 하는 공간이 크거나 다양한 Box 크기에 대해 탐색 할 경우 연산에 너무 많은 시간이 걸리게 된다. - 이러한 Sliding Window 방식의 비효율성을 극복하기 위해 Selective Search를 사용한 Region Proposal 알고리즘이 제안되었다. # Selective Search 1. "Efficient Graph-Based Image .. 2023. 3. 12. [SKT AI 커리큘럼] 추천시스템 - 10. 추천서비스 고려사항(2) SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 10. 추천 기술 : 추천서비스 고려사항 2 Temporal / Preference Dynamics - 추천 시스템은 결국 사용자의 Preference를 반영하는 것 (단기적이든 장기적이든 상황에 따라 변함) (ex. 어떤 사람이 Electric 음악을 좋아한다고 해도 공부할 때나, 알람으로 듣는 음악은 다를 것이다!!) - 사용자의 Preference가 변할 수 있기 때문에 사용자의 패턴이(분산) 달라지게 되면 사용자에게 다시 물어본다. - 또는 사용자가 스스로 바꿀 수 있게 설정을 세팅하기도 한다 -> 최신의 정보를 반영 Explainable Recommendation - 추천.. 2023. 3. 6. [SKT AI 커리큘럼] 추천시스템 - 9. 추천서비스 고려사항(1) SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 9. 추천 기술 : 추천서비스 고려사항 1 서비스로서 추천 시스템의 역할과 고려해야 하는 사항들 Consumer Bias & Decision Making 1. Price-Value Bias - 똑같은 맛의 와인이 2병 있다면, 더 비싼 Price Tag가 달린 와인이 더 맜있게 느껴지는 편견 - 공상과학 장르와 히어로 장르를 좋아하는 고객에게 어벤져스와 테넷을 추천해준다면 고객은 높은 확률로 어벤져스를 시청할 것이다. - 하지만 이 때 어벤져스는 7150원을 내야 볼 수 있고, 테넷은 무료로 볼 수 있다면 고객은 다음과 같은 2가지의 의사결정 과정을 거친다. 1. 내가 어벤져스 영.. 2023. 1. 12. [SKT AI 커리큘럼] 추천시스템 - 8. Ranking Problem SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 8. 추천 기술 : Ranking Problem - 지금까지는 사용자들이 서비스가 가지고 있는 아이템에 대해서 어느정도의 소모값을 가지고 있는지 예측하는 문제로 봄 Ranking System - 사용자가 영화를 추천받고 싶을 때, 추천시스템이 사용자에게 추천할 Top-K의 아이템을 나열하는 문제로 받아들임 - 어떻게 가장 최적의 나열을 할 것인가 ?!?!! 1. Pointwise approach - 모든 아이템에 대해 각각이 사용자와 얼마나 연관이 있는지 Relevancy Score를 계산 ( 사실상 랭킹 시스템은 아니라고 봐도 무관 ) 2. Pairwise approach (1).. 2022. 12. 31. [SKT AI 커리큘럼] 추천시스템 - 7. Collaborative Filtering - Model based SKT AI 커리큘럼 학습 내용 정리 출처 : T Learning Portal (https://sharedlp.sk.com) 7. 추천 기술 : ④ Collaborative Filtering - Model based 사용자가 영화를 보고 평점을 매김 -> 1. User Latent Factor : 유저가 좋아하는 장르에 대한 점수 2. Item Latent Factor : 해당 영화가 장르별 얼마나 해당하는지에 대한 점수 결국 Rating Matrix는 User Latent Matrix와 Item Latent Matrix의 내적을 통해 계산된 결과라고 볼 수 있다! (User Matrix와 Item Matrix를 안다면 Rating Matrix에 빈 공간을 채울 수 있다) User Matrix와 Item.. 2022. 12. 30. 이전 1 2 3 4 5 6 7 ··· 10 다음
