donghunkang

Choosing Activation Function for Output Layer - Sigmoid: Binary Classification 문제에서 사용- Linear: Regression 문제- ReLU: Hidden Layer층에서 주로 사용, 음수값 제거 - Tanh: 양수와 음수를 모두 고려 Choosing Activation Functions for Hidden Layer- Sigmoid: 출력값이 확률값을 나타낼 때 사용- ReLU: 효율성과 간단함, 음수값 제거- Leaky ReLU: 음수값을 제거하지 않고 작은 기울기를 부여- GELU: Gaussian 분포를 따르는 Activation Funtion Why Nonlinear Activation Function- Linear Functio..

Perception(Logistic regression) xwbzanameinputweightbiaslogitactivationtypevectorvectorscalarscalarscalar- Perception은 기본적으로 Logistic Regression과 유사하며, 이진 분류 문제를 해결하기 위해 사용- input data를 weight와 결합해 특정 Class에 속하는지 결정 A Layer Neural Network Layers Neural Network Layers(Forward Path) Input space- input vector x가 다차원 공간에서의 점으로 표현Hidden Feature space- Hidden Feature space a[i]는 입력 공간을 non-linear으로 변환..

0. Abstract- SORT는 간단하고 효율적인 알고리즘에 초점을 맞춘 multi object detection의 실용적인 접근 방식이다.- 이 논문에서는 SORT에 appearance(외형) 정보를 통합하여 성능을 개선하였다.- 이러한 확장으로 더 긴 차단 기간동안 객체를 추척할 수 있고, 결과적으로 identity switch(객체 식별 전환) 횟수를 효과적으로 줄일 수 있다. SORT에 apperance정보를 통합하여 Detection 성능을 개선하고 차단 상황에서도 객체를 효과적으로 추적할 수 있도록 하는 방법 제안  1. Introduntion- Tracking-by-detection: 객체 탐지 기술의 발전으로 다중 객체 추적에서 주류 방식이 됨=> Batch 처리로 인해 온라인 시나리오에..

1. Introduction- 이 논문은 다중 객체 추적(MOT) 문제를 다루는 tracking-by-detection 프레임워크를 간결하게 구현한 방식을 제안.- 객체는 매 프레임 탐지되고 바운딩 박스로 표현됨- 많은 batch 기반 추적 접근법과 다르게 이 연구는 online tracking을 목표로 하여 이전 프레임과 현재 프레임에서 탐지된 결과만을 사용하여 추적기를 작동한다.MOT 문제 정의- MOT는 데이터를 연관시키는 문제로 간주될 수 있으며, 목표는 비디오 시퀸스에서 프레임 간 탐지를 연결하는 것- Data association problem을 지원하기 위해 이 논문에서는 visual MOT benchmark에서 얻은 관찰을 기반으로 함=> Multiple Hypothesis Tracking..

"홍쌤의 데이터 랩" 유튜브와 유선배 SQL 개발자 책을 보고 정리한 내용임을 밝힙니다. 3-1. DMLDML(Data Manipulation Language)- 데이터의 INSERT(삽입), UPDATE(수정), DELETE(삭제), MERGE(병합)- COMMIT(저장) 혹은 ROLLBACK(취소) 반드시 필요 INSERT- 테이블에 행을 삽입할 때 사용- 한 번에 한 행만 입력 가능(SQL Server는 여러행 동시 삽입 가능)- 하나의 컬럼에는 한 값만 삽입 가능- 컬럼별 데이터타입과 사이즈에 맞게 삽입- INTO절에 컬럼명을 명시하여 일부 컬럼만 입력 가능 / 작성하지 않은 컬럼은 NULL이 입력 UPDATE- 데이터 수정할 때 사용- 컬럼 단위 수정- 다중 컬럼 수정 가능 DELETE- 데이터..

1.1Q) A)  1.2Q) A)  2.1Q) A)  2.2Q) A)  2.3Q) A)  2.4Q) A)  3.Q) A)  4.1Q)A)  4.2Q)A)  5.Q)A)  6.Q)A)  7.Q) A)  8.Q) A)

2-9. 서브쿼리서브쿼리(Subquery)- 하나의 SQL문 안에 포함되어 있는 또 다른 SQL문- 반드시 괄호로 묶어야 함서브쿼리 사용 가능한 곳- SELECT 절- FROM 절- WHERE 절- HAVING 절- ORDER BY 절- 기타 DML(INSERT, DELETE, UPDATE) 절=> GROUP BY 절 사용 불가 서브쿼리 종류1. 비연관 서브쿼리- 서브쿼리가 메인쿼리 컬럼을 가지고 있지 않은 형태의 서브쿼리- 메인쿼리에 서브쿼리가 실행된 결과 값을 제공하기 위한 목적으로 사용 2. 연관 서브쿼리- 서브쿼리가 메인쿼리 컬럼을 가지고 있는 형태의 서브쿼리- 일반적으로 메인쿼리가 먼저 수행된 후 서브쿼리에서 조건이 맞는지 확인하고자 할때 사용 3. 스칼라 서브쿼리- SELECT에 사용하는 서브..

"홍쌤의 데이터 랩" 유튜브와 유선배 SQL 개발자 책을 보고 정리한 내용임을 밝힙니다. 2-1. 관계형 데이터베이스 개요데이터베이스: 데이터의 집합DBMS: 데이터를 효과적으로 관리하기 위한 시스템# 관계형 데이터베이스 구성 요소- 계정- 테이블- 스키마 # 관계형 데이터베이스 특징- 데이터의 분류, 정렬, 탐색 속도가 빠름- 신뢰성이 높고 데이터의 무결성 보장- 기존의 작성된 스키마를 수정하기 어려움- 데이터베이스의 부하를 분석하는 것이 어려움 테이블(TABLE)- 엑셀에서의 워크시트처럼 행(row)과 열(columm)을 갖는 2차원 구조로 구성- 데이터를 입력하여 저장하는 최소 단위=> 세로 열(Columm) / 가로 열(Row)특징- 하나의 테이블은 반드시 하나의 유저(계정) 소유여야 함- 데이블..

"홍쌤의 데이터 랩" 유튜브와 유선배 SQL 개발자 책을 보고 정리한 내용임을 밝힙니다. 엔터티(Entity) & 속성(Attribute) & 인스턴스(Instance) 1-1. 데이터 모델의 이해모델링- 현실 세계의 비즈니스 프로세스와 데이터 요구 사항을 추상적이고 구조화된 형태로 표현하는 과정- 데이터베이스의 구조와 관계를 정의하며, 데이터의 저장, 조작, 관리 방법을 명확하게 정의=> 현실 세계를 단순화하여 표현하는 기법 모델링의 특징1. 단순화(Simplification): 불필요한 세부 사항을 제거2. 추상화(Abstraction): 간략하게 대략적으로 표현하는 과정3. 명확화(Clarity): 정확하게 현상을 기술하는 과정 데이터 모델링 3가지 관점1. 데이터 관점: 데이터가 어떻게 저장되고,..

- 이 논문은 VVision Transformer(ViT) 모델에서 발생하는 계산 중복을 해결하고자 메모리 효율적인 설계를 적용한 SHViT모델을 제안한다.- SHViT는 단일 Head-Attention module을 도입하여 성능을 유지하면서 불필요한 계산을 줄이고, 여러 장치에서 뛰어난 성능을 보여준다.  1. Introduction- ViT는 다양한 비전 작업에서 우수한 성능을 보이지만, 많은 데이터와 계산 비용이 요구된다. - 이를 개선하기 위해 본 논문은 ViT의 매크로 및 마이크로 설계에서 발생하는 중복 문제를 분석하고, 효율적인 패치 임베딩과 단일 헤드 설계를 제안함. - SHViT는 다양한 장치에서 빠른 속도와 높은 정확성을 달성해 실시간 비전 작업에 적합한 솔루션을 제공.  2. Anal..