논문세미나
1.[논문 리뷰] Deep Residual Learning for Image Recognition
지금은 누구나 딥러닝을 다뤄본 사람이면 그 구조나 기능, 철학 등은 몰라도 torchvision.models.resnet 을 통해 사용해봤을 모델인 ResNet을 처음 소개한 논문임. 본 논문의 초반부에 다음과 같은 질문을 함.Is learning better ne
2.[논문 리뷰] End-to-End Object Detection with Transformers
연구실에서 발표한 세번째 논문이었는데 논문 자체도 너무 길고,transformer가 뭔지도 몰랐었을 때라서 transformer 논문부터 읽으면서 공부했었음. 또 end-to-end가 무슨 뜻인지도, 어떤 장점이 있는지 몰랐는데 해당 논문을 준비하면서 많은 것을 배웠음
3.[논문 리뷰] Feature Pyramid Networks for Object Detection
읽은 날짜 : 2020.10.26 2023.01.12 기준 citation : 16355 Lin, T. Y., Dollár, P., Girshick, R., He, K., Hariharan, B., & Belongie, S. (2017). Feature pyramid
4.[논문 리뷰] Learning Loss for Active Learning
이 당시에 active learning 조금 관심을 가지면서 근본 논문인 Settles, B. (2009). Active learning literature survey. 을 읽었음. 본 논문은 active learning 를 딥러닝에 완전히 신박한 방법으로 적용시킨
5.[논문 리뷰] On Calibration of Modern Neural Network
본 논문은 딥러닝을 공부하면서 나로서는 한번도 생각해보지 못했던 점을 문제 삼으면서 현대의 신경망을 사용할 때 고려해야할 calibration에 대해 설명하고, 이를 해결하는 매우 간단한 temperature scaling이라는 방법을 소개함한마디로 정의한다면 'the
6.[논문 리뷰] Non-local Neural Networks
본 논문은 non-local operator를 신경망에 적용해서 image classification, object detection 등 다양한 CV 태스크에 성능을 올렸다가 전부임. 본 논문에서 소개하는 non-local opeartor는 쉽게 말해 이미지 내에 멀리