Review

• 이미지 분류가 힘들고 쉽지 않은 이유?
  • 조명, 변형, 은닉 등의 문제점
• CIFAR-10 데이터셋 사용
• Cross Validation ( train, validation, test)
• Knn

Linear Classifier

f(x, W) = Wx + b

• 이미지를 입력받으면 하나의 긴 벡터로 편다 (1차원)

• 예를들어 여기 32 x 32 x 3 (여기서 3은 RGB 채널을 뜻함) 가 있을때 이를 긴 열벡터로 펼치게 됨
• 그리고 가중치행렬 W를 곱하고 바이어스값을 더해서 학습

• 임의의 행렬 W를 가지고 예측한 10개의 클래스를 보았을때 만들어진 분류기는 정확하지 못함.

• 학습의 궁극적인 목표는 행렬 W가 좋은지 나쁜지를 정량화 할 방법이 필요

• W를 입력받아 각 스코어를 확인하고 이 W가 어떤 성능을 말해주는것이 바로 손실함수 Loss Function이다

Loss function : 가중치행렬 W를 좋다, 안좋다 라고 정량화 할수 있는 수치