1. https://helpx.adobe.com/kr/photoshop/using/image-essentials.html Photoshop 이미지 필수 정보 비트 심도는 이미지의 각 픽셀에 사용할 수 있는 색상 정보의 양을 지정합니다. 픽셀당 정보 비트 수가 많을수록 더 많은 색상을 사용할 수 있으며 더 정확하게 색상을 표현할 수 있습니다. 예를 들어, 비트 심도가 1인 이미지의 픽셀은 검정과 흰색의 두 가지 값만 가질 수 있습니다. 비트 심도가 8인 이미지는 28, 즉 256가지의 값을 가질 수 있으며 비트 심도가 8인 회색 음영 모드 이미지는 256가지의 회색 값을 가질 수 있습니다. RGB 이미지는 3개 helpx.adobe.com : 24 비트 이미지가 제일 많이 쓰임. 24비트 이미지는 채널이 ..
1. 디지털 이미지의 표현과 크기 계산법 https://twlab.tistory.com/23 디지털 이미지의 표현과 크기 계산법 카메라나 전자현미경 등의 장비를 이용해 우리가 관찰하는 사물이나 장면을 샘플링(sampling)과 양자화(Quantization)과정을 거쳐 디지털 영상으로 만들 수 있음을 지난 포스팅에서 배웠다. 이번 포스팅에선 디지.. twlab.tistory.com 24 bit (RGB : 8bit / 8bit / 8 bit) 하나의 pixel 은 24 bit 를 표현할 수 있음 8 bit 를 표현하기 위해서 1 바이트(byte) 필요 24bit 이미지에서는 pixel 한개당 3 바이트 필요 문제: RGB 채널을 갖고 있는 240 x 400 크기의 이미지를 나타내기 위해서는 몇 바이트가 ..
OCR 때문에 정리했던 부분인데 오래돼서 참고한 기사들도 다 날라가버림 Vocabulary Scene text detection : detect image from an image of natural environment Text detection : task of localizing texts from an image Text recognition : task of decoding a cropped image of texts to string of characters Text spotting : combined procedure of text detection + text recognition- object detection : draw rectangular boxes around the object ..
Coursera - NLP in tensorflow 수업 takeaway 예를 들어서 classifier 를 만든다고 할 때, 그냥 Dense net 을 이용해서 만든다는 것은 결국 단어 순서 상관없이 bag of words 로 classifier 를 만드는 거다. 물론 이것도 충분히 잘 작동할 수 있다 - imdb 로 영화 리뷰 분류하는 것등. 그런데 tensorflow 기능 중에는 subword encoder 라고, 단어를 n-gram (n 이 fixed size 는 아님) 으로 tokenize 해주는 기능이 있다. 장점은 OOV 가 없다는 것이다 (새로운 단어도 다 더 작은 단위로 쪼개서 encode 하니까). 반면에, 이렇게 tokenize 된 text 를 보통처럼 embedding, poolin..
- Total
- Today
- Yesterday
- language model
- transformer
- Contextual Embedding
- 워터마킹
- nlp
- neurone
- Bert
- Neural Language Model
- Statistical Language Model
- GPTZero
- cs224n
- 언어모델
- word embedding
- weight vector
- 뉴럴넷
- Pre-trained LM
- neural network
- 벡터
- 뉴런
- LM
- Attention Mechanism
- Elmo
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |