Deep-Dive AI

배치 정규화는 왜 효과가 있는 것일까? 입력값 $x_1, x_2, x_3$을 받아 레이어를 통과 시켜 추정치 $\hat y$을 얻습니다. 여기서 큰 데이터일 경우, 배치 사이즈를 정해 mini-batch만큼 학습을 시키게 되는데, 이렇게 들어오는 입력값에 따라 데이터의 분포가 바뀔 가능성이 있습니다. 이를 covariate shift라 합니다. 따라서 미니 배치 사이즈 단위로 정규화를 해주면, 입력값이 바뀌어서 발생하는 문제를 안정화 시키고, 분포가 바뀌더라도 평균과 분산이 0과 1로 맞춰지니 조금씩 바뀌게 됩니다. 즉, 앞쪽 레이어에서 계속 학습하며 값이 바뀌더라도 뒤쪽 레이어에서 겪는 부담이 줄어듭니다. 중요한 것은 결국 좋은 추정치를 얻기 위한 매개변수를 학습하여 얻는 것인데, 앞과 뒤에서 발생하는..

multiview stere는 임의의 움직임에서 카메라가 획득한 이미지에서 scene depth를 재구성하는 것을 목표로 합니다. 최근 방법은 딥러닝을 통해 이 문제를 해결하며, semantic한 단서를 활용하여 textureless region과 reflective region 같은 문제를 처리합니다. DPSNET: END-TO-END DEEP PLANE SWEEP STEREO의 논문은 DPSNet이란 conv net을 제시합니다. 해당 컨볼루션 네트워크는 dense depth map의 reconstruction을 위한 기존 기하학 기반 접근 방식의 사례들에서 영감을 받아 설계되었습니다. 이전의 많은 deep learning의 방법에서는 image paris에서 depth 및 optical flow를 ..