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 | 31 |
- cs
- algorithm
- Python
- classification
- Depth estimation
- computervision
- math
- CV
- nlp
- REACT
- FineGrained
- Meta Learning
- SSL
- 알고리즘
- PRML
- Torch
- 딥러닝
- FGVC
- GAN
- 자료구조
- dl
- web
- 머신러닝
- Front
- nerf
- ML
- pytorch
- clean code
- 3d
- Vision
- Today
- Total
목록Data Science/Common (18)
KalelPark's LAB

All about Classification Metrics - Medical 및 Classification에는 여러가지 Metrics들이 존재합니다. * 이진 분류를 예시로 설명을 진행하도록 하겠습니다. * 반드시 알고 가셔야 합니다...! Accuracy - 가장 대표적으로 사용되는 지표로 전체 데이터 중, 제대로 분류된 데이터의 비율을 의미합니다. - 수식으로는, accuracy = (TP + TN) / Total Sensitivity (Recall or True Positive Rate) - 민감도라고 하는데, Sensitive 또는 Recall이라고도 합니다. - 예를 들면, 암 환자 100명중에서 90명을 예측해서 맞췄을 경우, Sensitivity = 0.9가 됩니다. - 수식으로는, Sens..

ComputerVision task에서는 Model의 성능을 올리기 위해, Image에 여러가지 Data Augmentation 기법들이 제안됩니다. 이미지를 자르거나, 다른 이미지와 겹치게 함으로써 Image의 덜 중요한 부분까지 focusing하거나, Image의 덜 중요한 부분을 dropout 하도록 합니다. 최근 여러 논문에서는 CutMix, Cutblur, Mixup 등이 소개되고 있는데, 이러한 data augmentation을 만들기 이전에, 기본적으로 이미지를 Patch로 생성한 후, Patch를 섞는 코드를 구현해보도록 하겠습니다. * 예시 Img import random from PIL import Image import torch from torchvision import datase..