✍ 스탠포드 대학의 cs231n 8강 강의 내용을 정리한 글입니다.

✍ 스탠포드 대학의 cs231n 7강 강의 내용을 정리한 글입니다.

✍ 스탠포드 대학의 cs231n 6강 강의 내용을 정리한 글입니다.

✍ 스탠포드 대학의 cs231n 5강 강의 내용을 정리한 글입니다.

✍ 스탠포드 대학의 cs231n 4강 강의 내용을 정리한 글입니다.

MobileSAM 논문 정리

https://arxiv.org/pdf/2403.10931v2.pdf의료 이미지 분할(Medical image segmentation)은 헬스케어 분야에서 매우 중요한 역할을 한다. 최근 많은 사람들이 Segment Anything Model(SAM) 과 같은

https://arxiv.org/pdf/2304.02643.pdfNLP에 비해 computer vision에서의 foundation model들은 상대적으로 적게 탐구되었다. 그만큼 아직 해결해야 할 문제 범위가 넓고 이에 대한 훈련 데이터는 풍부하지 않다.해

https://arxiv.org/pdf/2307.09570.pdf최근 AI 연구는 대규모 데이터를 이용하여 학습된 모델로의 패러다임 변화를 겪고 있다. 현재 잘 알려진 BERT, DALL-E, GPT-3 등에 더불어, generic image segmentat

https://openaccess.thecvf.com/content_ICCV_2019/papers/Chan_HistoSegNet_Semantic_Segmentation_of_Histological_Tissue_Type_in_Whole_Slide_ICCV_201

https://arxiv.org/pdf/1505.04597.pdf기존 전형적인 CNN은 한 이미지 당 하나의 class label을 결과로 보여주는 분류 작업에서 많이 이용됨. 하지만, biomedical task에서는 단순 이미지 분류 뿐 아니라, 각 pix

http://cnnlocalization.csail.mit.edu/Zhou_Learning_Deep_Features_CVPR_2016_paper.pdf기존 CNN은 물체의 localizing에 탁월하지만, 최종적으로 분류를 위해 덧붙여지는 fully-conne

Coarse-labelled dataset에 sample 간 inter-sample relation을 활용한 새로운 contrastive learning 기법을 소개한 MaskCon 논문 리뷰

밑바닥부터 시작하는 딥러닝 5장(2)

밑바닥부터 시작하는 딥러닝 5장

밑바닥부터 시작하는 딥러닝 4장

밑바닥부터 시작하는 딥러닝 3장

밑바닥부터 시작하는 딥러닝 2장

Tabular Data: Deep Learning Is Not All You Need 논문에 대한 리뷰

TabNet: Attentive Interpretable Tabular Learning 논문에 대한 리뷰와 간단한 실습