deep learning (3) 썸네일형 리스트형 CNN code - your own mnist dataset 이번 포스팅에서는 CNN(Convolutional Neural Network)를 이용해서 your own mnist dataset을 classification하는 코드에 대해 말씀드리도록 하겠습니다. DNN(Deep Neural Network)와 CNN의 가장 큰 차이점은 import한 이미지를 flat하게 1D로 바꾸는지(28x28=784), 아니면 2D(28x28) 이미지를 그대로 사용하는지에 있습니다. 그래서 수정할 코드는 Model을 design하는 부분입니다. Model Design - DNN X = tf.placeholder(tf.float32, [None, 784]) Y = tf.placeholder(tf.float32, [None, num_classes]) keep_prob = tf.pla.. ICNet: Real-time Semantic Segmentation on High Resolution Images 오늘 제가 리뷰할 논문은 ICNet for Real-time Semantic Segmentation on High-Resolution Images 입니다. ICNet은 Real-time이라는 말이 제목에 들어가는 것처럼, 빠르게 Semantic Segmentation할 수 있는 방법을 소개하고 있습니다. Introduction ICNet은 image cascade network의 약자로 ECCV 2018에서 발표된 Semantic Segmentation 알고리즘입니다. 이 논문의 저자들은 실제로 Semantic Segmentation 알고리즘이 Automatic ~ 과 같은 많은 practical한 task에서 활용될 수 있도록 속도를 빠르게 하면서 quality를 희생시키지 않는 것이 중요하다고 생각했.. mnist your own dataset Update 2019.7.15: Posting Introduction 보통 딥러닝의 이론적 영역을 공부하고 나서 가장 많이, 그리고 가장 처음 해보는 예제는 MNIST(Modified National Institute of Standards and Technology) 데이터베이스, 즉 손으로 쓴 숫자들을 Classification(분류)하는 문제일 것이다. MNIST dataset을 Classification하는 코드는 Github 또는 시중에 판매되는 교재에서 쉽게 찾을 수 있으며, 분류하려는 MNIST dataset 또한 아래와 같이 2줄의 코드로 쉽게 다운로드 할 수 있다. from tensorflow.examples.tutorials.mnist import input_data mnist = in.. 이전 1 다음
