생체 감지도 가능..! Face verification vs Face recognition 1. verification - input : image, name, ID - output : whether the input image is that of the claimed person 2. recognition(assumption : has a database of K persons) - input : image - output : ID. if the image is any of the K persons

그림에서 height = width인 image를 예시로. 직사각형에서 height 는 기존 이미지의 height,width를, width는 number of channels를 의미한다. - 즉 convolution결과 직사각형이 두꺼워지면 number of channels 증가. - pooling 결과 직사각형이 짧아지면 height, width 감소 Transpose Convolution(하늘색) + skip connection(파란색) 그래... segmentation 이미지를 생성한건 알겠고, YOLO를 통한 객체 탐지도 알았는데 중요한건... - YOLO에 너무 고해상도 이미지가 들어가서 U-Net을 통해 Semantic Segmentation을 수행했다. - 근데 이러면 모델을 두번 돌려야하는..

convolution은 기존 image에 filter를 올려놓았지만 반대로 작동하는 것. 이때 작은 차원을 고차원으로 만드는 여러가지 방법이 있겠지만 이런 transpose convolution을 이용하여 filter 의 weight를 학습시키는 것이 실제로 효과적임은 보여진다.

뭘 하고자 하는지 알겠지. input image를 주면 각 영역이 무엇을 의미하는지 나타내려고 하는 것. - Y는 image 크기의 matrix가 될 뿐이다.