이미지인식을 주제로 딥러닝을 이용하여 이미지를 인식하는데 필요한 기술들을 구현해놓은 저장소입니다.
TenseorFlow 등의 외부 라이브러리를 최소한으로 사용해 딥러닝 프로그램을 처음부터 구현하여 깊이 이해하도록 하였습니다.
K-Nearest Neighbor 알고리즘을 이용하여 Iris data를 classification 합니다. 꽃받침, 꽃잎 각각의 길이와 너비 4가지 특성으로 아이리스 꽃을 3가지로 분류합니다.
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 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.
Two Layer Neural Network 클래스를 구현하여 Iris data를 classification 합니다. 꽃받침, 꽃잎 각각의 길이와 너비 4가지 특성으로 아이리스 꽃을 3가지로 분류합니다.
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/ )