홈

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

애매하게 알던것 공부하기 global average pooling weight decay 1x1 convolution resnet attention seq2seq google net fast r-cnn faster r-cnn mask r-cnn yolo dropout transformer gru CAM 1x1 Convolution 이란? convolution 의 filter 개수에 따라 ouput dimension 이 달라지지만, 각 filter...

NIPS 2013 Tomas Mikolov, Ilya Sutskever, Kai Chen, Greg S. Corrado, Jeff Dean Google Inc Keywords word Embedding, word2vec, distributed representations of words Contribution 기존 NN 기반 학습과 유사하지만, 계산량을 줄이기위한 테크틱들이 엄청 효율적이여서 많이 쓰는 방식. Negative sampling, Subsampling of FrequentWords 등 많은 최적화 방법들을 고안해냄. Proposed Architecture Skip...

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

#include <cstdio> #include <cstdlib> #include <iostream> #include <cstring> #include <string> #include <algorithm> #include <cmath> #include <vector> #include <queue> #include <stack> #include <deque> #include <map> #include <unordered_map> #include <set> #includ...

그리고 Region 을 사용하지 않는 모델들 도 있습니다. YOLO 와 SSD 는 Regression 을 사용하여 Object Detection 을 해보자! 로 시작한 모델들 입니다. Region 을 구하지 않고, Grid cell 을 사용한다고 하는데요 해당 cell 들에 위와같이 base box 를 배치하게 됩니다. base box 의 개수는 정할 수있는거같고… 위의 이미지는 3개의 base box 를 사용한것입니다 base box 가 최종 box 로 얼마나 움직이고 변형되어야 하는지를 구하는 Regression 이라고 합니다. predict score 는 각 C 개의 Class 들의 classific...

R-CNN 이 ROI 끼리 feature map 을 공유하지 못하면서 계산상 비효율이 생기는것을 보완하기 위해 나온것이 Fast R-CNN 입니다. Fast R-CNN 은 위와같이 생겼습니다. R-CNN 의 단점이자 너무 많은 시간과 공간을 잡아먹었던 ROI 별로 Conv Net 을 돌리던 문제를 단일 ConvNet 을 전체 이미지에 적용하는것으로 해결하였습니다. 처음에 Selective Search 를 통해 ROI 를 가져옵니다. 그 후 전체 이미지 를 Conv Net 에 태웁니다. Conv Net 에서 나온 feature map 에서 ROI 에 해당하는 영역을 Pooling 합니다. ROI ...

다음 문제는 Object Detection 입니다. 한번 나이브 하게 문제를 어떻게 풀지 생각해봅시다. 일단 Regression 으로 어떻게 풀지 생각해봅시다. Localization 문제에서는 하나의 Object 만 파악하면 되기때문에 x,y,w,h 를 일반적인 Regression 으로 풀 수 있었습니다. 하지만 Object Detection 의 경우 찾아야하는 Object 가 몇게인지, 모르는 상황입니다. 심지어 Class 도 여러가지 이죠. 그럼 이러한 문제들을 가지고 다시 나이브하게 생각해봅시다. 가장 간단하게 Sliding window 로 이미지의 일부를 crop 해서 CNN 으로 계속 분류...

다음 주제는 Classification + Localization 입니다. Object 가 image 안에서 어디에 존재하는지 box 를 배치하는 문제 입니다. Object detection 과 다른것은, 한 이미지당 1개의 object 만 파악할 수 있다 라네요. 주로 아키텍쳐는 Classification 과 유사합니다. 아니 거의 동일합니다. 일단 어떤 Object 가 image 에 존재하는지 알아야 하기 때문입니다. 그래서 2가지 문제중 하나인 Classification 을 해결하기 위한 하나의 fc layer 가 존재합니다. 또한 bounding box 위치를 찍기 위해서는 regression...