donghunkang

0. Abstract- 본 연구에서는 사전 학습 및 미세 조정 과정 없이 얼어붙은(frozen) CLIP 모델을 직접 활용하여 약지도 비디오 이상 탐지(WSVAD)를 위한 새로운 패러다임인 VadCLIP을 제안- 기존 방식: 프레임 수준의 이진 분류를 위해 추출된 특징을 약지도 분류기에 직접 입력- VadCLIP은 CLIP의 시각-언어 간 미세한 연관성을 최대한 활용하며 이중 분기(dual branch)를 도입* 첫번째 분기: 거친 수준(coarse-grained)의 이진 분류를 위해 시각적 특징을 단순히 활용* 두번째 분기: 미세한 수준(fine-grained)의 언어-이미지 정렬(alignment)을 충분히 활용 => 이중 분기의 이점을 통해 VadCLIP은 CLIP에서 사전 학습된 지식을 WSVAD..

- State EstimationGiven Observation(z) / Controls(u)bel을 2가지 Stpe으로 나눠서 진행 Quiz) R,G,B,D 센서는 실내에서 주로 사용하고, 측정 거리가 짧다. (O) Observation model Model for Laser Scanners Beam-based Proximity Models- Simplest Ray-cast Model을 더 Advance한 형태이다.- 4개의 모델이 혼합된 형태이다.Measurement Noise- 가장 간단한 형태 (Simplest Ray-cast Model)- 로봇의 위치와 map은 알고 있다고 가정한다.Unexpected Obstacles- 움직이는 물체에 대한 분포EX) 나와 벽 사이에 지나가는 물체가 걸릴 확률..

Locomotion : "power of motion from place to place" 어떠한 움직임으로 옮겨 다니는지- Basic Laws of Physics to Describe Wheeled Motion 가정) 등속운동을 한다면 Differential Drive RobotICC(Instantaneous Center of Curvature)Forward Kinematics정지해 있다가 움직였다.Ackermann Drive반경 r로 회전을 하기 위해- δ : Ideal Wheel을 기준으로 바퀴가 얼마나 꺾어져야 하는가- d: 앞뒤 바퀴의 간격 / r : 회전 반경(차량의 중간에서 ICC까지의 거리가 기준) Holonomic : 물체가 움직일 수 있는 공간이 제한적 / ex) 기차Non-holono..

Joint Probability- 2가지 사건이 동시에 일어난다.- 만약 X, Y가 서로 독립이면 Conditional Probability- Y가 일어났을 때 X가 일어날 확률- 만약 X, Y가 서로 독립이면 Law of Total Probability (전확률의 법칙)Marginalization (주변화)Bayes' Rule변수 3개일 때 Conditional Independence (조건부 독립)- Z가 주어지면 X와 Y가 독립적이다. - 이때 아래의 등식이 성립한다. State Estimation- 이전까지의 observation z와 control u를 가지고 현재의 상태 x를 추정한다. 위의 Bayes Filter는 2 Step으로 나눌 수 있다.

[가역 행렬 정리]A를 n x n 정사각행렬이라고 하자. 그러면 다음 명제들은 모두 동치이다. 즉, 주어진 행렬 A에 대해 다음 명제들은 모두 참이거나 모두 거짓이다.a. A는 가역 행렬(invertible matrix)이다.b. A는 n x n 항등행렬(identity matrix)과 행동치(row equivalent)이다.d. 방정식 Ax = 0은 자명한 해(trivial solution)만을 갖는다.e. A의 열(column)들은 선형 독립(linearly independent) 집합을 형성한다.f. 선형 변환 x ↦ Ax는 일대일(one-to-one) 변환이다.g. 방정식 Ax = b는 Rⁿ에 속하는 모든 b에 대해 적어도 하나의 해를 갖는다.h. A의 열들은 Rⁿ을 생성(span)한다.i. 선형..

관계 데이터 모델의 개념릴레이션 (Relation / Table) : 개체를 표현하기 위한 데이터 구조행 (Tuple / Raw) : 개체를 표현, 관련된 데이터 값들의 모임열 (Attribute / Column) : 각 행의 값들의 의미를 해석하는데 사용=> 릴레이션은 튜플들의 집합 ⭐튜플들의 순서 달라도(값만 같으면) 하나의 릴레이션 / 중복 허용 X릴레이션 스키마 (Intension)- 개체들을 표현하는데 사용하는 테이블의 구조 정의를 제공- 정적인 성질릴레이션 상태 (Extension)- 한 시점에 릴레이션 R에 포함되어 있는 튜플들의 집합- 동적인 성질릴레이션의 특징1. 튜플의 유일성 : 한 릴레이션에 포함된 튜플들은 모두 상이하다.2. 튜플의 무순서성 : 한 릴레이션에 포함되어 있는 튜플 사이..

데이터 (data) - (값)단순한 관찰이나 측정을 통해서 수집된 사실이나 값정보 (Information) - (가공 처리된 데이터)데이터를 처리해서 얻어진 결과정보 시스템 한 조직체의 활동에 필요한 데이터를 수집, 조직, 저장해 두었다가 필요시에 처리해서 의사 결정에 유효한 정보를 생성하여 분배하는 수단 데이터베이스 시스템정보 처리 시스템이 그 기능을 효과적으로 수행할 수 있게 하는 가장 기본이 되는 도구=> 데이터베이스 + 데이터베이스 DBMS구성요소 ⭐ ⭐ ⭐A. 물리적 데이터베이스 : 데이터 내용을 포함하는 파일들의 집합B. 스키마(메타데이터)⭐ : 물리적 데이터베이스의 정보 내용을 명세C. 데이터베이스 관리 시스템 : 데이터베이스 안의 내용을 접근하고 변경할 수 있는 소프트웨어D. 데이터 정의,..

본 강의는 "서울대학교 강필성 교수님"의 강의를 정리한 것임을 알립니다. CNN (Convolutional Neural Network)합성곱 신경망- Convolution 연산을 통해 이미지로부터 필요한 특징(feature)을 스스로 학습할 수 있는 능력을갖춘 심층 신경망 구조 ex) CNN BasicsImage Representation- 이미지를 어떻게 컴퓨터한테 숫자로 인식시키지?- 컬러 이미지는 3차원 Tensor로 표현된다.=> Width x Height x 3 (RGB)Q) 원래 하던대로 이미지 data를 Neural Network에 집어 넣으면?A) 모든 픽셀 하나의 입력 노드로 간주하고 서로 다른 가중치로 연결하게 되면 Input layer와 First hidden layer 사이에 너무 ..

본 강의는 "서울대학교 강필성 교수님"의 강의를 정리한 것임을 알립니다.Non-Sequential VS Sequential (Time-Series) DataNon-Sequential Data- 시간 정보를 포함하지 않고 생성되는 데이터=> 순차 데이터가 아닌 경우 N x D (N: 관측치 수 / D:변수 수)로 표현ex)# 순서(sequence)가 없는 인공신경망 구조 Sequential Data - 시간 정보를 포함하여 순차적으로 생성되는 데이터=> 순차데이터의 경우 데이터는 N x T x D (N: 관측치 수 / D:변수 수 / T: 측정 시점 수)ex)# 순서 (sequence)가 있는 인공신경망 구조 RNN Basic Forward Path- 기본 RNN(Vanilla RNN)구조에서 정보의 흐름..

본 강의는 "연세대학교 인공지능학과 노알버트 교수님"의 강의를 정리한 것임을 알립니다. Image Classification / Text Classification / Next Word Prediction / Translation / Price Prediction=> 지도학습 - 문제와 정답 Pair Supervised Learning- 문제와 정답 Pair이 존재한다.- x : 데이터 입력 (문제) ex) 이미지, 언어 .. (4차원의 벡터)- y : label (정답) ex) 카테고리, 실수값 ...=> label의 존재 여부 (Unsupervised Learning과의 차이점)EX)- Image Classificationx : 이미지 (입력) - 벡터(32 x 32 x 3)y: label (정답) ..