Adore__

segmentation model의 성능평가 지표로서 많이 사용되는 방법으로 Pixel Accuracy, IoU, Dice, Hausdorff 등 여러 방법이 있지만 본 포스팅에서는 Dice와 Hausdorff 두가지에 대해 다루려고 한다. 자세한 설명은 참조한 블로그에 잘 정리되어 있다. Sorensen-Dice coefficient 두 샘플간의 유사도를 측정하는 통계학적인 방법이다. 두 집합 X와 Y가 있을 때, DSC공식은 다음과 같이 정의된다. 직관적으로 보면 두 집합이 겹쳐지는 부분에 2를 곱하고, 총 이미지의 픽셀 수로 나누는 것이다. 따라서 모델이 예측한 이미지가 정답 이미지와 유사할수록 Dice값은 높아지고, 모델 성능이 좋다고 말할 수 있다. IoU (Intersection over Un..

image processing에서 성능평가 기준으로 사용되는 방법 중 하나로, 먼저 Signar-to-noise ratio에 대해 알아보자. Signal-to-noise Ratio 내가 원하는 신호와 background noise간의 level을 비교하는 데 사용되는 측정법이다. 보통 1보다 크면 noise보다 signal이 클 수 있다는 것을 알 수 있다. 신호를 처리하거나 전달하는 시스템(audio, radar, data acquisition, imaging systems...)의 성능과 품질에 중요한 영향을 미치는 parameter로, SNR이 높다는 것은 signal이 clear하고 감지하고 분석하기 쉽다는 것을 의미한다. SNR이 낮을수록 signal이 방해받고 있거나 noise로 인해 모호한 ..

Artificial Intelligence in radiation oncology Nature Reviews Clinical Oncology https://www.nature.com/articles/s41571-020-0417-8 Contents Radiation Therapy_value and limits Artificial intelligence methods Application in radiation oncology initial treatment decision-making Treatment planning and preparation Pretreatment review and verification Treatment setup and delivery Pretreatment review and ..

내 방향: 이론은 핵심적인 부분만! 코드로 작성하면서 하나씩 보충해가자 ▶ : 완료 ▶ : 진행 중 ▷ : 시작 전 Machine Learning 1) 선형대수 ▶ 인공지능을 위한 선형대수 : https://www.edwith.org/ai251/joinLectures/195088 ▶ 선형대수 전공수업 2) 알고리즘 ▶ Abdul Bari 유튜브 강의 : https://www.youtube.com/watch?v=0IAPZzGSbME&list=PLDN4rrl48XKpZkf03iYFl-O29szjTrs_O (개인적으로 최고다) ▶ 백준 문제 - class 별로 풀어보기 : https://solved.ac/class?class=1 - level 별로 풀어보기 : https://solved.ac/problems/..

Source - [Attention is All you Need, NLPs, 2017] 논문 - [BoostCourse, '딥러닝 기초다지기'] Transformer RNN은 하나의 입력이 들어가고 또 다른 입력이 들어올 때, 이전 RNN에서 갖고있던 cell state가 반복해서 돌아가는 재귀적인 구조였다. 반면, Transformer는 재귀적인 구조가 아닌 Attention 구조를 활용한다. Attention 구조가 무엇인지는 차근차근 알아보자. 먼저 Transformer는 sequential data를 처리하고 encoding 하는 구조이기때문에 NLP 뿐만 아니라 이미지 분류, detection, 등 에서도 효과적으로 활용된다. 우리의 목적은 어떤 문장이 주어지면 다른 sequence로 바꾸는 것..

Source : [BoostCourse '인공지능을 위한 선형대수' - 주재걸 교수님] 어떤 정방행렬이 주어졌을 때, eigendecomposition은 존재할 수도 있고, 없을 수도 있다. VDV(-1)에서 역행렬인 V가 없을 수 있기때문이다. 하지만 머신러닝에서 다루는 행렬은 대부분 symmetries positive (semi-)definite matrices이기때문에, eigendecomposition과 SVD가 모두 가능하다. symmetric positive definite matrix인 A가 들어온다. 이 행렬의 행은 특징값 (키, 몸무게, 나이...)을 가지고, 열은 data item (사람1, 사람2,..)을 가진다. 머신러닝에서는 AA(t)나 A(t)A를 가지고 알고리즘을 돌리는 경우가..