[CS231n ] Lecture 2. Image Classification 정리

1.

1-1. KNN과 Linear Classifier은 Image Classifier이다.

1-2. Classifier를 학습할 때 사용되는 데이터 셋은 대표적으로 Train/Validation/Test 로 구성한다. 필수는 아니다.

1-3. Validation Set은 모델의 가중치를 학습하는데 사용되고, 모델의 가중치는 모수(Parameter)이다. (초모수(Hyperparameter)가 아니다.)

 

2. 모수와 초모수의 차이는?

모수(Parameter)는 데이터로 모델을 학습시킬 때 변화되는 모델의 값이고, 초모수(Hyperparameter)는 학습 전에 개발자가 결정하는 값이다.

 

3. 2,000개의 흑백 이미지가 있고, 이미지의 크기는 100 x 150 이다. 모든 이미지는 자동차, 비행기, 고양이, 강아지 4개의 클래스에 속한다. 위 이미지로 선형 분류기를 학습하고자 할 때, 가중치 행렬의 크기는 얼마인가?

 

클래스 개수 : 자동차, 비행기, 고양이, 강아지 = 4개

픽셀 크기 : 100 x 150 = 15000

채널 개수 : 흑백 = 1

가중치 행렬 크기 = 클래스 개수 x 픽셀 크기 x 채널 개수 = 60000

2,000개의 이미지는 선형 분류기를 2,000번 학습 시키는 것 뿐 가중치 행렬에는 아무런 영향을 미치지 않는다.

 

4. KNN 에 사용되는 L1, L2 거리가 이미지 분류에 적합하지 않은 이유는?

이미지의 크기가 커질 수록 계산량이 증가하기 때문