[CS231n] 2강 이미지 처리는 어떻게 해야할까?

이 강의에서 말하려는 핵심은 "이미지 처리를 하는데 어려웠다." 하지만 해결책으로 "Linear Classification" 을 활용한다.

 

[1] Nearest Neighbor

모든 데이터와 라벨을 입력시키고, 이와 유사한 라벨을 찾아 (분산,표준편차의 개념을 활용) 가까운 쪽이 정답이라고 말하는 방법이다.

 

한계)) 학습을 하는것은 매우 빨랐다. 하지만 예측을 하는것이 오래걸렸다. 이유는 데이터 마다 뺴고 제곱을 해주는 계산을 해줘야하는데, 하나 예측하는데 너무 많은 시간이 걸린다. 

사실, 학습시키는것은 오래걸려도 상관없다. 하지만 예측이 오래걸리는것은 의미가 없는 일이다.

 

[2] K-Nearest Neighbors (향후 추가)

전체 데이터가 아닌 일부 근처에 있는 데이터를 활용하는것 같다.

하지만, 이는 여전히 느리며  이미지 처리에는 적합하지 않다는 말이 많다.

 

[3] Linear Classifier ( F(x,W) = W*x + b )

선형 방정식 형태라고 생각하면 된다. 

한계) 고양이는 1,2사분면에 개는 3,4분면에 이런식으러 나눠져있다면, 식이 매우 유용할 것이다.

        하지만 만약에 고양이의 일부가 3,4분면 깊이 숨어있다면? Linear한 선을 만들 수 가 없다.

 

2강의 핵심은 결국 Linear Classifier가 필요한 이유, 그리고 아직 이것으로도 부족하다. 정도 인것같다.