반응형
1. 차원축소
오토인코더는 차원축소에 사용됩니다. 오토인코더의 인코더 부분이 차원을 축소하는 역할을 합니다.
2. 노이즈 제거
학습에 사용할 데이터셋 X에 노이즈를 추가하여 X'를 만듭니다. X'를 input 으로 하고 X'와의 차이를 loss function 으로 정의하여 오토인코더를 학습시킵니다. 이렇게 학습한 오토인코더는 노이즈를 제거하는 역할을 합니다.
3. 이상치 탐지
2번에서 만든 오토인코더를 사용합니다. 어떤 사진 A에 이상한 값이 있을 경우 오토인코더는 이를 노이즈로 인식하여 제거한 결과 A'를 출력합니다. A와 A'의 차이맵 (diff map)을 이용하여 이상치를 탐지할 수 있습니다. 이 차이가 클수록 이상치가 많은 것입니다.
반응형
'Tips' 카테고리의 다른 글
| 머신러닝과 딥러닝의 차이 (0) | 2025.02.06 |
|---|---|
| 딥러닝에서 k-fold cross validation 안 쓰는 이유 (0) | 2024.07.26 |
| 대표적인 5가지 생성형 모델 요약 (GAN, VAE, Flow-based Model, Diffusion Model, Autogressive model) (0) | 2023.11.15 |
| 이진분류기의 손실함수 (binary cross entropy) 쉽게 이해하기 (1) | 2023.11.01 |
| MLE 와 MAP 가 뭔가요? (최대우도추정과 최대사후확률추정) (0) | 2023.10.25 |
댓글