치킨고양이짱아 공부일지

Vertex Processing (Transformation Pipeline)→ 오늘 배울거. projection transformation 의 또 다른 방법인 perspective projection과 viewport transformationPerspective Effects(원근효과)멀리 있는건 작게 보이는 효과 → perspective projection에서는 렌더링도 이걸 반영해서 뒤에 있는걸 작게 보이도록 해야한다.Vanishing point (소실점): 평행한 선들을 perspective drawing에서 연장에서 이으면 한점에서 만난다. Perspective ProjectionView volume: Frustum(절두체) → "Viewing frustum" 라고도 부른다.Perspectiv..

Coordinate System & Reference Frame (진심 노이해)Coordinate system→ 포인트의 위치를 unique하게 기술하기 위해 한 개 이상의 숫자를 사용하는 시스템→ 수학적 개념. 관찰된 점의 위치를 기술하기 위한 language라고 생각하면 된다. Reference frame→ "추상적인 coordinate system"과 "실제로 물리적으로 존재하는 reference point"를 합친 개념이다. → 여기서 point는 coordinate system의 위치를 정의하는 point→ 물리적 개념이다. 어떤 움직임의 상태를 기술하기 위한거→ coordinate system이 각 reference frame에서의 움직임을 기술하기 위해 사용되는 language라고 생각하면 ..

3D Affine Transformation3D point를 표현할 때 (왼쪽은 Cartesian coordinate system, 오른쪽은 Homogeneous coordinate system)Linear Transformation in 3D를 matrix multiplication으로 표현할 때 Translation in 3D를 표현할 때 Affine Translation in 2D를 3x3 matrix의 곱으로 표현할 수 있었음 마찬가지로 Affine Translation in 3D를 4x4 matrix의 곱으로 표현할 수 있음(2D든 3D든, Affine Translation을 matrix으로 표현한 형태는 linear → translation 형태라는걸 기억해라)Linear Transformat..

2D TransformationWhat is Transformation?Geometric Transformation- 기하 변환을 의미한다. 쉽게 말해, 점들의 집합을 옮기는거(Transformation T maps any input vector v in the vector space S to T(v))Translate(평행이동), Rotate, Scale, Shear(한쪽으로 미는거), ReflectWhere is Transformation used?Movement: 움직임을 표현하기 위해 사용된다.Image/object manipulation(조작): 이미지나 물체를 조작하기 위해 사용Viewing, projection transformation: 임의의 3D 가상공간 상의 모습을 2D 모니터에 그려..

What is NumPy?scientific computing을 위한 파이썬 모듈 C로 되어 있음vector, matrix 계산을 빠르게 할 수 있음파이썬에 내장되진 않았지만 수치 컴퓨팅을 할때 사실상 표준으로 사용됨(de-facto standard)벡터와 매트릭스로 이루어진 그래픽스 컴퓨터 그래픽스 어플레이케이션에 굉장히 유용하게 쓰임 NumPy usage >>> import numpy as np //모듈 numpy를 np라는 local 이름으로 사용할 수 있게 한다는 뜻 Introducing NumPy Arrays넘파이에서 어레이는 굉장히 기본적인거!외워야할 것 체크넘파이 array 만들 때 constructor는 np.array([~], dtype='~') (dtype은 안넣어줘도 된다.)새로 어레..

💡Deep Reinforcement Learning을 Deep Q Learning network 구조를 기반으로 설명할거임💡Deep Reinforcement Learning은 인공지능 분야 중에서도 엄청나게 인기를 끌고 있음. (Atari player, AlphaGo)Part1 - Q learningQ learningContextReinforcement learning💡Reinforcement learning의 대표적인 케이스가 Q-learning임2개의 function이 있음위의 함수를 사용해 다음과 같이 표기함목표: 미래 보상의 기댓값을 최대로 하는 action을 선택하는 policy function을 학습하는거!→ policy function은 이렇게 표기함Cumulative reward metri..

1. Generative 이름의 의미→ 생성하는 모델!→ 무엇을 생성하냐면 실제와 비슷한 분포를 가지는 그럴듯한 가짜 데이터를 생성한다!(seed vector를 주면 그럴듯한 가짜 데이터를 생성해냄)→ 랜덤하게 픽셀들 값 세팅한다고 언젠가 이미지가 되냐? 절대 아님!실제 데이터와 랜덤 데이터는 분포가 다름실제 데이터는 무언가 메커니즘에 의해 분포를 맞추면서 나타나진다. seed vector의 분포를 실제 데이터와 비슷하게 맞추어 그 메커니즘을 따라해보자는거지학습 진행 양상GAN으로 만든 예시💡즉, GAN의 목적은 이 가짜 데이터를 만들어주는 Generator 함수를 찾는거!Generator 함수 G2. Adversarial 이름의 의미adversarial: 적대적인 이라는 의미!Generator와 Dis..

CPU, GPU → 조금만 파괴시켜도 전체가 작동안함neural net, 뇌 → 일부분이 파괴되어도 전체가 망가지는건 아님. accuracy가 낮아질 뿐💡근데 뇌를 살펴보면 자기를 향하는 링크가 있음. RNN은 뇌와 마찬가지로 자기 layer의 뉴런으로의 링크를 허용하는 neural netMotivation우리가 이때까지 배웠던 neural net은 function(many to one)의 형태, 그리고 fixed size data만 다룸→ 같은 input을 넣으면 같은 output이 나옴근데 사람은 (one to many, many to many) 문제를 다루기도 하고 variable size data도 다룸ex) 자연어이런건 우리가 이때까지 배웠던 neural net으로 못다룸ex) variable ..

Object Detection→ classification 뿐만 아니라 발견된 위치까지 찾아줌OutlineClassification with localization→ 클래스 이렇게 4개 (보행자, 차, 오토바이, 배경)Car detection example학습시킬 때 동작시킬 때→ 동작할 때는 자른 이미지 넣어주는게 아니라 전체 이미지 넣어줌→ 근데 한꺼번에 넣어주는게 아니라 이런식으로 넣어줌Turning FC layer into convolutional layer(FC layer를 convolutional layer로 전환)Convolutional implementation of sliding windowsliding window는 filter의 stride와 다름→ sliding window 하나하나..

💡주로 컴퓨터 비전에서 사용하는 딥러닝 모델Computer Vision Problem💡이중에서 제일 쉬운 Image Classification 문제 살펴볼거임!Deep Learning on large images→ 근데 여기서 n의 크기는 얼마나 되는거냐? 엄청 크다!1000X1000 이미지라면 n=1000X1000그래서 이미지는 일반적으로 vector의 dimension이 큰 input을 다루는 문제이기 때문에이전 layer와 이후 layer의 모든 뉴런이 연결되어 있는 fully connected로 구현하게 되면weight의 dimension이 너무 큼!그래서 training data가 보통 많은게 아니고서야(training data 개수) < (weight matrix component 개수) 임⇒..