3주차 스터디
1.3주차 스터디 목록
3주차 스터디 목록입니다
2.Rich feature hierarchies for accurate object detection and semantic segmentation 2014 (R-CNN)
Object Detection 모델은 객채의 위치를 찾고(Localization), class를 분류(Classification) 하는 작업을 진행합니다. R-CNN 모델은 이를 순차적으로 진행하는 대표적인 2 stage detector로, 딥러닝을 적용한 최초의 O
3.Real-Time Flying Object Detection with YOLOv8(2023)
공식논문이 없는 YOLOv8을 공부해보기 위해서 Real-Time Flying Object Dtection with YOLOv8논문을 공부해봤다
4.Mission: Impossible Language Models
Chomsky를 포함한 여러 이론가들은 대형 언어 모델(LLMs)이 가능한 인간 언어와 불가능한 언어를 동일하게 학습할 수 있다고 주장하였음. 이 주장은 언어 모델이 언어학 연구에서 유효한 도구가 되지 못한다는 결론을 뒷받침하는데, 본 논문에서는 이러한 주장의 타당성을
5.SENet(2018), Squeeze-and-Excitation Networks
SENet이 해결하고자 했던 기존 CNN 방식의 문제점에 대해 살펴보겠다.여기서 기존 방법이란 Convolution, Activation, Pooling, 그리고 Fully Connected Layer로 구성된 전통적인 CNN 구조를 의미한다. 이러한 CNN을 사용하여
6.SkipNet(2017): Learning Dynamic Routing in Convolutional Networks
오늘 리뷰할 논문은 skipnet이다. layer를 건너뛰어서 연산량을 줄이는 아니디어를 사용했다는 점이 마음에 들었다.논문의 저자는 resnet의 아이디어를 차용해서 skipnet을 만들었다고 한다.residual block 앞에 skip-gate를 두어 해당 블럭을
7.BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
BERT는 unlabeled text 로부터 deep bidirectional representations을 사전 학습후 이를 Downstream Task에 파인튜닝 할수 있게 설계된 모델이라고 설명합니다.