이미지인식을 주제로 딥러닝을 이용하여 이미지를 인식하는데 필요한 기술들을 구현해놓은 저장소입니다.
TenseorFlow 등의 외부 라이브러리를 최소한으로 사용해 딥러닝 프로그램을 처음부터 구현하여 깊이 이해하도록 하였습니다.

• KNN_iris

  K-Nearest Neighbor 알고리즘을 이용하여 Iris data를 classification 합니다.
  꽃받침, 꽃잎 각각의 길이와 너비 4가지 특성으로 아이리스 꽃을 3가지로 분류합니다.
  

• KNN_mnist

  K-Nearest Neighbor 알고리즘을 이용하여 mnist classification 문제 해결.
  숫자 0~9까지의 손글씨 이미지의 집합을 어떤 숫자인지 분류합니다.
  Input feature를 여러가지 방식으로 가공해서 차수를 줄여서 사용해보며 비교합니다.
  

• Logistic_Regression

  Logistic Regression으로 Iris, MNIST data를 classification 합니다.
  꽃받침, 꽃잎 각각의 길이와 너비 4가지 특성으로 아이리스 꽃을 3가지로 분류합니다.
  숫자 0~9까지의 손글씨 이미지의 집합을 어떤 숫자인지 분류합니다.
  

• Neural_Network_2layer

  Two Layer Neural Network 클래스를 구현하여 Iris data를 classification 합니다.
  꽃받침, 꽃잎 각각의 길이와 너비 4가지 특성으로 아이리스 꽃을 3가지로 분류합니다.
  

• Deep_Neural_Network

  Deep Neural Network 를 구현하여 AReM data를 classification 합니다.
  동작에 대한 센서 데이터의 평균과 분산 값(avg_rss12, var_rss12, avg_rss13, var_rss13, avg_rss23, var_rss23)
  을 이용하여,여섯가지 동작(bending, cycling, lying,sitting, standing, walking)으로 분류합니다.
  

• 밑바닥부터 시작하는 딥러닝 (한빛미디어)
• 모두를 위한 딥러닝 강의 by Sung Kim ( https://hunkim.github.io/ml/ )