본문 바로가기

분류 전체보기

(24)
인공신경망이란? 인공신경망의 개념 인공신경망이란? 인간의 신경망을 흉내 낸 것. ​ 흠...그렇다면인간의 신경망을 어떻게 흉내냈다는 것인가? 먼저, 인간의 신경망에 대해서 간단하게 살펴보자. ​ 뉴런(Neuron) 인간의 뇌는 기본적으로 신경망을 구성하는 뉴런으로 구성되어있다. 그리고 인간의 뇌는 약 1,000억 개 이상의 뉴런이 시냅스(Synapse)를 통해 병렬연결 되어있다. 결국, 인간의 뇌를 구성하고 있는 신경망은 뉴런으로 구성되어 있으며 뉴런과 뉴런은 시냅스로 연결되어 있다는 것. 위 그림에서 활성화함수는 뉴런의 출력값을 정하는 함수. 가장 간단한 형태의 뉴런은 입력에 가중치를 곱한 뒤(행렬의 곱셈임) 활성화함수를 취하면 출력을 얻을 수 있음. ​ ​ 뉴런을 이용한 인간의 신경 전달은 다음과 같은 순서로 일어난다. Step1. ..
인공지능으로 송강 일러스트 그리기 오늘의 인공지능 일러스트 송강. AI 네크워크 중에서도 이미지 생성에 대표적인 모델 GAN. 다양한 GAN모델 중에서도 사진을 일러스트처럼 변환시켜 주는 인공지능 모델인 AnimeGan. ​ 개발자의 일요일. 주말이 짧아서 아쉽다. 이번주도 파이팅. ​ ​
인공지능으로 차은우 일러스트 그리기 오늘의 인공지능 일러스트 차은우. AI 네크워크 중에서도 이미지 생성에 대표적인 모델 GAN. 다양한 GAN모델 중에서도 사진을 일러스트처럼 변환시켜 주는 인공지능 모델인 AnimeGan을 사용하여 차은우 일러스트 그리기.
인공지능으로 임영웅 일러스트 그리기 오늘의 인공지능 일러스트 임영웅. AI 네크워크 중에서도 이미지 생성에 대표적인 모델 GAN. 다양한 GAN모델 중에서도 사진을 일러스트처럼 변환시켜 주는 인공지능 모델인 AnimeGan을 사용하여 임영웅 일러스트 그리기. ​
[파이썬/이미지 처리] 원본 이미지 색상 변환하기 - 파이썬 이미지처리 라이브러리를 사용하여 원본의 이미지를 RGB 색상 사진으로 변환하기 Line 1. 벡터, 행렬 데이터를 쉽게 처리하기 위한 모듈 선언 2. 화면에 이미지 데이터를 보여 주기 위한 모듈 선언 3. 이미지 파일과 데이터 처리를 위한 모듈 선언 Line 5. image 파일 불러오기 6. image data를 numpy array로 구성하기 Line 10~15 pix array에서 각각 R(0), G(1), B(2) 성분값 외에는 0으로 만든 후, 원본 이미지에서 R, G, B에 해당하는 배열 만들기 Line 17~20 "원본" 이미지인 pix 행렬을 이미지 데이터로 출력 TIP. - plt.subplot(row, column, index) - subplot(141)은 1개의 열, 4개의..
인공지능으로 서강준 일러스트 그리기 오늘의 인공지능 일러스트 서강준. AI 네크워크 중에서도 이미지 생성에 대표적인 모델 GAN. 다양한 GAN모델 중에서도 사진을 일러스트처럼 변환시켜 주는 인공지능 모델인 AnimeGan을 사용하여 서강준 일러스트 그리기.
인공지능으로 아이유 일러스트 그리기 인공지능 모델을 사용하여 아이유 일러스트를 순식간에 그렸다! ​ 이미지 / 영상처리 관련 인공지능 공부를 하다보면 늘 어렵다는 생각이 든다. 그런데 막상 또 하다보면 생각보다 재밌는 것도 많아서 계속 하게 된다. ​ 이미지 생성과 관련하여 가장 유명한 인공지능 모델은 "GAN" 그 중에서도 내가 자주 가지고 노는 것은 사진을 일러스트처럼 바꾸어 주는 AnimeGan. 모두 오픈소스라서 구글에 검색하면 개발자가 아니라도 누구나 사용할 수 있다. 다른 사람들이 공개해 놓은 오픈소스가 많아 이것저것 돌려보면서 테스트 하다보면 시간도 금방 간다. ​ 원본의 해상도가 높을수록 결과물 퀄리티가 좋다. 원본의 해상도가 낮아도 코드를 수정해서 원본의 해상도를 높여주면 원하는 수준의 결과물을 얻을 수도 있다. ​ 그림을..
주요 인공신경망(ANN, DNN, CNN, RNN, AE, GAN, UNET) 개념 지도학습 - ANN, DNN, CNN, RNN 비지도학습 - AE, GAN 고급지도학습 - UNET ​ ANN (Artificial neural network, 인공신경망) - 두뇌의 신경망을 흉내 낸 인공지능 기술 - 입력 계층, 은닉 계층, 출력 계층으로 구성 - 초기에는 기술적 한계로 은닉 계층을 한 개만 포함하여 주로 총 3개 계층으로 ANN 구성 ​ DNN (Deep neural network, 심층신경망) - 은닉 계층을 여러 개 쌓아서 만든 인공신경망 - 다수의 은익 계층을 사용하는 DNN은 ANN에 비해 더 우수한 성능을 보임 ​ CNN (Convolutional neural network, 합성곱신경망) - 영상 처리에 많이 활용되는 합성곱을 이용하는 기술 - 합성곱에 사용되는 필터들은 ..