https://blog.sproutto.com/en/ Study notes on machine learning and statistics, explained step by step. en https://blog.sproutto.com/en/series/cross-entropy-study/foundations/ https://blog.sproutto.com/en/series/cross-entropy-study/foundations/ 이 책을 다 읽고 나면 당신은 한 줄짜리 정의 Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/information-theory/ https://blog.sproutto.com/en/series/cross-entropy-study/information-theory/ 이 장이 세우는 개념 사슬을 먼저 한 장으로 보자. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/classification-loss/ https://blog.sproutto.com/en/series/cross-entropy-study/classification-loss/ 먼저 분류 한 번의 흐름을 못 박자. 분류 모델이 한 샘플을 처리해 손실을 낼 때까지는 항상 같은 4단계다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/gradient/ https://blog.sproutto.com/en/series/cross-entropy-study/gradient/ 신경망 학습은 결국 손실 $L$을 줄이는 파라미터 $\theta$를 찾는 일이다. 경사하강(gradient descent)은 이를 가장 단순하게 푼다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/practical/ https://blog.sproutto.com/en/series/cross-entropy-study/practical/ | 기호 | 의미 | |---|---| | $z=(z1,\dots,zK)$ | 로짓: 정규화 안 된 점수, 음수·합≠1 허용 | | $qi=\text{softmax}(z)i=\dfrac{e^{zi}}{\sumj e^{zj}}$ | 예측 확률 | | $y=(y1,\dots,yK)$ |… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/walkthrough/ https://blog.sproutto.com/en/series/cross-entropy-study/walkthrough/ 전체 여정을 한 장으로: Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/cross-entropy-study/conclusion/ https://blog.sproutto.com/en/series/cross-entropy-study/conclusion/ cross-entropy는 "모델 예측 분포 $q$의 놀람을 진짜 분포 $p$로 평균한 것"이고(01장), 라벨이 one-hot이면 정답 항만 살아남아 "정답에 준 확률의 음로그" $-\log q_c$가 된다(02장). softmax/sigmoid가 로짓을 확률로 짜고, 그 위에서 C… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/foundations/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/foundations/ 이 책의 주인공은 MediaPipe Face Landmarker다. 한 문장으로 말하면, 카메라로 찍은 평범한 RGB 사진(또는 영상) 한 장에서 사람 얼굴을 찾아, 그 얼굴 위에 478개의 점을 정확히 찍고, 덤으로 "지금 어떤 표정인지"를 숫자로 알려 주는 소프트웨어 도구다. 이… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/history/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/history/ 오늘날의 Face Landmarker를 처음 만나면 "왜 점이 478개나 되지?", "왜 블렌드셰이프가 따로 있지?", "검색하면 왜 어떤 자료는 468개라 하고 어떤 자료는 478개라 하지?", "왜 Solutions와 Tasks라는 두 이름이 다 나오지?" 같은 의문이 줄줄이 생긴… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/architecture-pipeline/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/architecture-pipeline/ 01장에서 "Face Landmarker = 세 모델의 합본"이라는 사실을 배웠다. 이제 그 합본이 한 장의 이미지를 어떻게 처리하는지 한눈에 본다. 본문 단계 번호 (a)~(g)가 아래 다이어그램 노드와 1:1 대응한다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/landmarks-478/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/landmarks-478/ 이 책에서 사용자가 가장 궁금해했던 질문이 "왜 점이 478개나 되는가"다. 답의 절반은 그 숫자가 두 출처의 합이라는 사실에 있다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/blendshapes/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/blendshapes/ 블렌드셰이프(blendshape)는 얼굴 표정을 478개 좌표가 아니라, "의미 있는 표정 단위" 52개의 가중치 계수(0~1)로 표현하는 방식이다. 각 단위마다 계수 하나를 출력한다. - 0.0 = 그 표정 요소가 전혀 활성화되지 않음(중립) - 1.0 = 그 표정 요소가 최대로 활… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/facemesh-vs-landmarker/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/facemesh-vs-landmarker/ 이 장을 한 단락으로 압축하면 이렇다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/performance-requirements/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/performance-requirements/ - 번들 1개로 3개 모델이 묶임. facelandmarker.task 안에 ① 얼굴 검출기(BlazeFace short-range, 입력 192×192) ② 얼굴 메시(478 랜드마크, 입력 256×256) ③ 블렌드셰이프 예측기(52 score, 입력 1×146×2)가 들어간다.… Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/walkthrough-and-conclusion/ https://blog.sproutto.com/en/series/mediapipe-face-landmarker-study/walkthrough-and-conclusion/ 학부생 지우가 노트북 웹캠 한 대로 자기 표정을 따라 하는 고양이 아바타를 실시간으로 움직이는 웹 앱을 만든다고 하자. 마커도, 깊이 센서도, 다중 카메라도 없다. 평범한 RGB 웹캠 영상뿐이다. 지우의 목표는 이렇다. Fri, 26 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/ir-camera-study/foundations/ https://blog.sproutto.com/en/series/ir-camera-study/foundations/ 사람 눈엔 깜깜한데 운전석 카메라엔 운전자가 또렷이 보인다. "적외선"이라는 한 단어 안에는 사실 작동 원리가 전혀 다른 두 카메라가 숨어 있고, 940nm 광자는 상온 열복사 광자보다 에너지가 10배 넘게 크다. Thu, 25 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/ir-camera-study/nir-vs-thermal/ https://blog.sproutto.com/en/series/ir-camera-study/nir-vs-thermal/ "적외선 카메라니까 체온을 보는 거 아닌가요?" 940nm 카메라는 열을 보지 않는다 — 그 사실을 말이 아니라 흑체복사 계산으로 못 박는다. 상온 얼굴이 940nm에서 스스로 내는 빛은 햇빛 반사광의 10²¹분의 1, 사실상 0이다. Thu, 25 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/ir-camera-study/silicon-sensor/ https://blog.sproutto.com/en/series/ir-camera-study/silicon-sensor/ 같은 실리콘인데 850nm는 잘 잡고 940nm는 어둡게 잡힌다. 940nm 광자는 50μm 깊이까지 파고들어야 흡수되기 때문이다 — 940nm를 택한 순간 피할 수 없는 감도의 대가를, 두꺼운 실리콘과 BSI가 어떻게 되사는가. Thu, 25 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/ir-camera-study/shutter-and-sensor-types/ https://blog.sproutto.com/en/series/ir-camera-study/shutter-and-sensor-types/ 낮은 QE는 센서 구조만으로 다 메우지 못한다. 광량을 키우되 발열과 눈 위험은 낮춰야 한다 — 그 모순의 해법인 펄스 strobe가 왜 글로벌 셔터를 부르는지, 그리고 흑백 IR과 RGB-IR은 어디서 갈리는지. Thu, 25 Jun 2026 00:00:00 GMT https://blog.sproutto.com/en/series/ir-camera-study/why-940nm/ https://blog.sproutto.com/en/series/ir-camera-study/why-940nm/ 감도를 손해 보면서까지 왜 940nm인가. 850nm는 어둠 속에서 희미한 붉은 점을 남기지만 940nm는 어떤 전류에서도 보이지 않고, 대기 수증기가 만든 940nm 햇빛 노치가 주간 배경광을 미리 눌러 준다. Thu, 25 Jun 2026 00:00:00 GMT