👩💻 도비는 공부중/📋 연구과제(2023.7 ~ ) 썸네일형 리스트형 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks [paper] [code: detectron2] Faster R-CNN = 2개의 모듈로 구성 - 영역 제안을 위한 deep fully convolutional network - 제안된 영역을 사용하는 Fast R-CNN detector 더보기 이전에.. R-CNN CNN을 사용해서 객체 감지에 높은 성능 input 이미지를 SS 알고리즘 사용해 후보 영역 생성 ~ 2000여개의 region proposal 후보 영역을 cnn 입력으로 >> [cnn은 이미 imagenet으로 pre-trained 된 네트워크] cnn을 통해 나온 feature map > 벡터 추출 - 클래스별로 svm classifier 학습 > 2000개의 박스들은 어떤 물체일 확률값을 가진다 - 가장 확률값이 높은 박스를 사용하기 .. 더보기 Graph R-CNN for Scene Graph Generation [Paper]. [Github] ✏️ 제안 1. Graph R-CNN: 객체 이미지간의 관계 detecting ➞ Relation Proposal Network(RePN) 2. attentional Graph Convolutional Network ➞ obj & relation 사이 contextual 정보 파악 3. evaluation metric ➞ 존재하는 metric 보다 holistic & realistic ^^ Visual Scene ➞ 이미지 내 객체에 초점을 둔게 대부분 img classification | obj detection | segmentation scene 을 객체간의 집합?collection으로 표현하면 관계를 파악하기 어려워 ➞ obj 를 포함하고 있는 그래프로 이해하자 그.. 더보기 [세미나] 발표 회고 | 피드백 정리 | TO DO ˗ˋˏ💁♀️ᩚˎˊ˗ 4번에 걸친 세미나 발표 끝 ♧ 목표 = 인턴 + 연구과제 ➔ 아주 멋지게 해내기 ♣ 현실 = 개같이 멸망 ٩⍩⃝و 💣💥 1. Pointer Network [정리] 첫 논문 발표 때는 나름 피드백 정리, 회고 글도 작성했었다. [첫 발표] 조합 최적화 문제를 풀기 위해 어텐션 메커니즘을 도입한 모델을 제시.. 발표에 너무 자신이 없고 떨리는 사람이라 항상 대본도 써놓고 덜덜덜 그냥 이해한대로 잘 얘기하고 싶은데 앞에만 서면 머리가 굳는다ㅠㅠ ppt에 사용한 자료들은 대부분 논문 그림 | 수식을 캡처해서 사용했는데 대부분의 학생들이 논문 그림을 사용하는데 새롭게 만들어서 사용하는게 좋다는 피드백을 받았다. & 목소리를 키우고 자신감 있게 말하기 레퍼런스 논문들까지 꼼꼼하게 보고싶은데 .. 더보기 ORDER MATTERS: SEQUENCE TO SEQUENCE FOR SETS 논문: ORDER MATTERS: SEQUEN CE TO SEQUENCE FOR SETS Oriol Vinyals, SAmy Bengio, Manjunath Kudlur 1. 입/출력 데이터의 순서가 모델을 학습할 때 중요한 역할 2. 입력 집합을 처리하는 seq2seq framework 확장 3. propose loss: searching over possible orders during training 훈련 중 가능한 순서 탐색 1. [Order matters] No natural order is known among input | output objects -> still be one that yields better performace 입/출력 간의 순서가 없을 때에도 성능 개선할 수 있는 순서가.. 더보기 Attention Is All You Need 논문: Attention Is All You Need Attention RNN ➝ LSTM ➝ Seq2Seq ➝ Attention ➝ Transformer ➝ ... ☑ 기존 Sequence model의 문제점 ┕ RNN의 sequential 특징: 입/출력 sequence token(symbol) 위치 따라 연산 이전 step h(t-1)과 현재 입력 t로 h(t) 시퀀스 생성 ➔ parellelization 불가능, 메모리 제약.. ┕ 시퀀스 길이가 길어질수록 병렬화 중요해 ┕ 입력 문장을 하나의 context vector c로 압축 ➔ bottle neck 원인 ┕ RNN cell에서 참고하도록 만들어 성능 개선 가능 ➔ 문장이 길어져도 손실 정도 줄일 수 있지만, 여전히 병목 현상 문제.. ┕ 출.. 더보기 [Pytorch] Implement GEDGNN 차근차근 GED: G1 -> G2 변환하기 위해 필요한 기본 작업의 최소 횟수 결정하기 = A* beam sesarch = greedy algorithms: bipartite matching GED problem을 0과 1 사이의 SIMILARITY SCORE 로 변환하는 방식으로 접근. > model 은 편집 경로를 생성할 능력이 X =====그럼 어떻게 해결? 1. charge of predicting the GED Value and matching matrix 2. post-processing algorithm based on k-best matching - k 개의 가능한 노드 매칭 도출 ===== 비교는? 기존 GNN 기반 모델들과 비교해 MAE SOTA searching algoritm: No.. 더보기 PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space [ 2023.07 ] 이해 X.. 논문: PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space ❍ Charles R. Qi: 인공지능과 컴퓨터 비전 분야의 연구자 ❍ Li Yi: 컴퓨터 비전, 그래픽스 분야의 연구자 ❍ Hao Su: 컴퓨터 비전, 그래픽스 분야의 연구자 ❍ Leonidas J. Guibas: 그래프 이론, 기하학 등에 대한 기여로 널리 알려짐. => 딥러닝과 기하학 융합한 3D 모델의 생성, 분류. 등 다양한 알고리즘 개발, 연구 수행 [포인트 클라우드 데이터를 다루기 위한 딥러닝 방법 제안, 3D 모델의 분류 및 세그멘테이션 작업에 효과적으로 적용] Abstract 집합에 대한 이전 연구(Point .. 더보기 [용어정리] 쫌쫌따리 정리하는 개념들 보호되어 있는 글입니다. 더보기 이전 1 2 다음
