딥러닝
1.DenseNet 논문 리뷰
얼마 전 스터디 팀원들과 함께 공부했던 DenseNet에 대해서 정리를 해볼 시간을 가져볼까 합니다.논문을 읽는 동안에 드는 생각을 정리하자면 다음과 같습니다.ResNet을 왜 이렇게까지 구박을 하는 거지?그래도 여러 방면에서 진보된 모델이어서 그러려니 했습니다.Den
2.Caltech101 DataSet accuracy 개선
이번 포스팅은 Caltech101 데이터셋 정확도 개선에 관한 내용입니다. Caltech101 데이터셋은 101개의 범주로 구성되어 있고, 총 9144개의 이미지로 구성되어 있습니다. 실습할 때, 어렵지 않게 사용했던 MNIST 데이터셋 보다 확실히 더 많은 이미지
3.Perceptual Losses for Real-Time Style Transfer and Super-Resolution 논문 리뷰
Approach 이 연구는 실제 input이미지, output 사이의 pixel당 loss값을 최소화 하는 CNN 훈련 방식에 흥미를 느껴서 진행된 연구라고 합니다. 물론 접근 방식은 조금 달랐다 ㅎㅎ 여기서 feed-forward convolution 에서 op
4.GAN(생산적 적대 신경망) 이해
이번 포스팅은 GAN에 대한 것입니다.그래서 도대체 GAN이 무엇인가?가짜 데이터와 실제 데이터를 통해 여러 가짜 데이터를 생성하는 신경망입니다.쉽게 말하자면, 가짜 영상, 가짜 사진(딥페이크)를 예시로 들 수 있습니다.GAN은 일반적인 NN과는 달리, 좀 특이한 형태
5.EDSR
오늘은 간단한 프로젝트를 하다가 알게된 이미지 개선 모델에 대해 설명을 하려고 합니다.
6.Apple Detection(Edge AI) - Approach
이번 포스팅은 '최적 설계' 분야의 논문을 읽고, 끄적이는 포스팅 입니다.
7.Apple Detection(Edge AI) - Compare
저번 글에 이어서 쭉 가겠습니다.
8.MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications - Approach 1st
MobileNet 논문 리딩 내용입니다.
9.MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications - Approach 2nd
저번 MobileNet 글에 이어서 쭉 가겠습니다.