딥러닝 썸네일형 리스트형 CR-GAN : Learning Complete Representations for Multi-view Generation 논문 리뷰 CR-GAN : Learning Complete Representations for Multi-view Generation (Yu Tian et al.) 이번 논문은 어떤 시점에서 찍은 사진을 다른 시점에서 찍은 사진으로 바꾸는 기술인 view synthesis를 다룬 논문입니다. 2018년에 IJCAI에서 발표된 논문으로 GAN을 활용하여 기존의 방법보다도 상당히 개선된 이미지를 생성하였는데요. 어떤 아이디어가 반영되었는지 살펴보겠습니다. 1. 개념소개(Abstract/Introduction) GAN을 활용하여 view synthesis 시도한 사례는 여러가지가 있었다. 다만 트레이닝한 데이터를 기반으로 하는 것이기 때문에, 트레이닝 되지 않은 데이터들이 들어오면 다소 부자연스러운 사진이 생성되었다. .. 더보기 Generative Adversarial Nets(GAN) 논문 리뷰 (2/2) Ganerative Adversarial Nets (Ian J. Goodfellow et al.) Generative Adversarial Nets(GAN) 논문 리뷰 (1/2)에서 GAN이 적대적신경망이라 불리는 이유와 이미지를 만들어내는 제너레이터가 어떤 개념에 의해 트레이닝 되는지에 대해 살펴보았습니다. 이번 파트에서는 Theoretical Results에 대해 살펴보겠습니다. 4. 이론적 적용(Theoretical Results) 알고리즘에 대한 설명을 보면 기본적으로 1편에서 설명했던 개념과 동일하다. z의 경우 G에 입력되는 노이즈들이며, x는 샘플이미지들이다. D는 이를 정확하게 구분하기 위해 첫번째 식을 최대화 시키며, G는 반대로 두번째 식의 부분을 최소화 시키는 과정을 통해 상호 발전한.. 더보기 Generative Adversarial Nets(GAN) 논문 리뷰 (1/2) Ganerative Adversarial Nets (Ian J. Goodfellow et al.) 이번 논문은 이미지 처리에서 2014년에 발표된 이후 아직까지도 굉장히 많이 연구되고 있는 GAN입니다. 이 논문은 CNN의 개념을 제시했던 얀 르쿤이라는 대가가 최근 10년간 머신러닝 분야에서 최고의 아이디어였다고 극찬할 만큼 획기적이기도 했습니다. 1. 개념소개(Abstract/Introduction) 논문에서 two-player game이라는 용어를 언급하며, 다음과 같은 개념을 제시한다. 쉽게 말해 두 시스템이 서로 싸우면서 같이 발전하는 개념인데, 첫번째는 G로 흔히 Generator라고 하는 데이터를 만들어내는 부분이 있다. "데이터 분포를 찾아낸다(captures the data distribu.. 더보기 텐서플로우 문서 한글 번역본 텐서플로우 문서 한글 번역본 텐서플로우 그룹에서 번역한 텐서플로우 문서 한글 번역본 입니다. 텐서플로우를 공부할 때나 튜토리얼을 따라하는데 번역본을 보시면 도움이 많이 될 것 같습니다. 출처 : https://www.gitbook.com/book/tensorflowkorea/tensorflow-kr/details ---------------------------------------------------- TensorFlow 한글 문서 tensorflow.org 문서를 한글로 번역하여 깃북으로 제공하기 위한 레파지토리입니다. 작업하려는 부분을 깃허브의 이슈에 등록하고 자유롭게 진행하려고 합니다. 여러 사람이 모여 진행을 하다보면 자연스럽게 어느정도 규칙적인 리듬을 가지게 될 수 있을거라 생각합니다. 이 .. 더보기 [TensorFlow 기초강좌] Neural Network (3/3) [TensorFlow 기초강좌] Neural Network (3/3) 트레이닝 된 파라미터 저장하기, 저장한 파라미터 사용하기 [TensorFlow 기초강좌] Neural Network (2/3)에서 Hidden layer가 3개 인 Neural Network를 구성하고 갖고있는 데이터를 통해서 트레이닝을 하였습니다. 그리고 트레이닝 한 데이터가 알고 있는 결과와 비교해서 정확도가 얼마나 되는지도 확인했습니다. 이번 강좌에서는 이렇게 트레이닝한 파라미터들을 저장하고 이 파라미터들을 불러서 사용하는 방법을 연습해보겠습니다. 우선 practice4라는 파일을 만들어 지난번에 실습했던 코드를 똑같이 붙여넣겠습니다. import tensorflow as tf import pandas as pd input_dat.. 더보기 [2017. 6. 23] 인공지능 기반 금 값 예측 (최근 10일 정확도 70%) [2017. 6. 23] 인공지능 기반 금 값 예측 1. 어제(6월 22일 예측 결과)예측 : 하락 결과 : 45,887.13 -> 46,048.17 (0.35% 상승) 2. 지난 10일간 일치여부(70%) 날짜 6월 9일(금)6월 12일(월)6월 13일(화)6월 14일(수)6월 15일(목)6월 16일(금) 6월 19일(월) 6월 20일(화) 6월 21일(수) 6월 22일(목) 일치여부 일치 일치 일치 일치일치불일치 불일치 일치 일치불일치 3. 모델별 내일 금값 예측1) 예측모델A 코스닥 증감률 코스피 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.02456498) 2) 예측모델B 코스피 증감률 코스닥 증감률 주요국 환율의 증감률 콜금리 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(0.99502188) 3) .. 더보기 [2017. 6. 22] 인공지능 기반 금 값 예측 (최근 10일 정확도 80%) [2017. 6. 22] 인공지능 기반 금 값 예측 1. 어제(6월 21일 예측 결과)예측 : 상승 결과 : 45,621.96 -> 45,887.13 (0.58% 상승) 2. 지난 5일간 일치여부(80%) 날짜 6월 8일(수)6월 9일(수)6월 12일(수)6월 13일(수)6월 14일(수)6월 15일(목) 6월 16일(금) 6월 19일(월) 6월 20일(화) 6월 21일(수) 일치여부 일치 일치 일치 일치일치일치 불일치 불일치 일치일치 3. 모델별 내일 금값 예측1) 예측모델A금 코스닥 증감률 코스피 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(0.99672335) 2) 예측모델B 코스피 증감률 코스닥 증감률 주요국 환율의 증감률 콜금리 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(0.99252158) 3) 예측.. 더보기 [2017. 6. 21] 인공지능 기반 금 값 예측 (최근 5일 정확도 60%) [2017. 6. 21] 인공지능 기반 금 값 예측 1. 어제(6월 20일 예측 결과)예측 : 상승 결과 : 45,598.25 -> 45,621.96 (0.05% 상승) 2. 지난 5일간 일치여부(60%) 날짜 6월 14일(수) 6월 15일(목) 6월 16일(금) 6월 19일(월) 6월 29일(화) 일치여부 일치 일치 불일치 불일치 일치 3. 모델별 내일 금값 예측 1) 예측모델A금 코스닥 증감률 코스피 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(0.99658853) 2) 예측모델B 코스피 증감률 코스닥 증감률 주요국 환율의 증감률 콜금리 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.00003183) 3) 예측모델C 원/달러, 위안, 엔, 유로 환율의 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.01360.. 더보기 [2017. 6. 20] 인공지능 기반 금 값 예측 (최근 5일 정확도 60%) [2017. 6. 20] 인공지능 기반 금 값 예측 1. 어제(6월 20일 예측 결과)예측 : 하락 결과 : 45,764.26 -> 45,598.25 (0.36% 하락) 2. 지난 5일간 일치여부(60%) 날짜 6월 13일(화) 6월 14일(수) 6월 15일(목) 6월 16일(금) 6월 19일(월) 일치여부 일치 일치 일치 불일치 불일치 3. 모델별 내일 금값 예측 1) 예측모델A금 코스닥 증감률 코스피 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.00442338) 2) 예측모델B 코스피 증감률 코스닥 증감률 주요국 환율의 증감률 콜금리 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1.01075053) 3) 예측모델C 원/달러, 위안, 엔, 유로 환율의 증감률 ⇓ 러닝 데이터 ⇓ 금 값 증감률(1007120.. 더보기 [TensorFlow 기초강좌] Neural Network (1/3) [TensorFlow 기초강좌] Neural Network (1/3) pandas 설치 & csv 파일 불러오기 "우분투에 Tensorflow 설치하기"에 이어 "TensorFlow 기본사용법 I (jupyter notebook)"에서 텐서플로우를 설치하고 jupyter라는 에디터를 열어서 텐서플로우를 불러오는 과정까지 해보았습니다. 그리고 TensorFlow 기본사용법 I I 편, I I I 편, IV편에서 기본적인 사용법에 대해서 살펴보았습니다. 이번에는 본격적으로 Neural Net을 만들어 트레이닝을 해보고 임의의 데이터를 통해서 결과를 살펴보겠습니다. 우선 상황을 하나 만들어 보겠습니다. 동물원에서 북극곰과 판다가 A지역과 B지역을 오갈 수 있습니다. 먹이를 나눠주기 전에 어떤 지역에 몇 마리의.. 더보기 이전 1 2 3 다음
