Last Time : Computer Vision Tasks

• Classification

  Comptuer vision에서 가장 core한 task는 classification

  이미지가 들어오면 이미지가 무엇을 뜻하는지 label을 주는 것

  주어진 class가 나눠져있는 상태에서 그 중 하나를 맞추는 것

  정답이 있는 데이터로 학습을 한 후에 이를 가지고 정답을 모르는 데이터를 나누는 것

• Semantic Segmentation

  그림을 각 픽셀 별로 해당 픽셀이 어떤 class에 속하는지 분류

  각 semantic 별로 구별할 수 있지만 object detection과는 차이가 있다

  고양이 두 마리를 하나의 cat class로 구별

• Object Detection

  boundary box를 찾아내고 그 안에 있는 것이 무엇인지

• Instance Segmentation

  Semantic segmentation과는 달리 각각을 구별할 때 dog1, dog2를 서로 다른 것으로 구별해냄

Unsupervised Learning

Generative Model은 unsupervised learning!

Supervised vs. Unsupervised Learning

• Supervised Learning

  • Data : (x, y)

    x : data, y : label

  • Goal : Learn a function to map $x \to y$

  • Examples : Classification, Regression, Object Detection, Semantic Segmentation, Image Captioning, etc.

• Unsupervised Learning

  • Data : x

    Just data, no label

    ⇒ Training data is cheap

  • Goal : Learn some underlying hidden structure of the data

    ⇒ Holy grail : Solve unsupervised learning → Understand structure of visual world

  • Examples : Clustering, Dimensionality Reduction, Feature Learning, Density Estimatoin, etc.

Generative Models

• Given training data, generate new samples from same distribution

  

  Want to learn $p_{model}(x)$ similar to $p_{data}(x)$

  주어진 training data에 fit하는 distribution을 찾아서 그 안에서 새로운 데이터를 generation