Computer Vision 20
- OOF
- Object Detection의 앙상블 기법: WBF
- Stratified Group Sampling(층화 샘플링): 데이터 불균형을 해결하기 위한 샘플링 방법론
- Focal loss에 관하여
- 디버깅에 대한 고찰
- VAE: Variational Autoencoder
- 프로젝트 구조를 통한 효율적인 협업 관리
- 9-(4) Diffusion 모델이 이미지 생성에서 어떻게 활용되며, 어떤 장점이 있나요?
- 9-(3) GAN에서 생성자(Generator)와 판별자(Discriminator)의 역할은 각각 무엇인가요?
- 9-(2) Fully Convolutional Networks(FCN)의 주요 특징과 기존 CNN 기반 분류 모델과의 차이점은 무엇인가요?
- 9-(1) Semantic Segmentation이란 무엇이며, 이미지 분류(Classification)와 어떤 차이가 있나요?
- 생성형 모델(Generative Model)에 대한 이해
- 8-(2) mAP(mean Average Precision)의 개념이 무엇이며 객체 인식에서 어떻게 활용되는지 설명해주세요.
- 8-(1) YOLO(You Only Look Once) 모델의 주요 특징과 장점은 무엇인가요?
- Object Detection 분야의 근간이 되는 Faster R-CNN
- 7-(3) Transfer Learning(전이 학습)이란 무엇이며, 이미지 분류 모델에서 어떻게 활용할 수 있나요?
- 7-(2) 데이터 증강(Data Augmentation)이란 무엇이며, 이미지 데이터에서 주로 사용하는 증강 기법에는 어떤 것들이 있나요?
- 7-(1) 이미지를 모델에 입력하기 전에 리사이징(Resizing)과 정규화(Normalization)를 하는 이유는 무엇인가요?
- 6-(2) 오토 인코더가 적용되기 적합한 상황에 대해 설명하고, 오토 인코더를 구성하는 인코더(Encoder)와 디코더(Decoder) 비교
- 6-(1) CNN을 구성하는 각 레이어의 역할에 대해 설명해보세요.