[Paper review]
1.[CV] ImageNet Classification with Convolutional Neural Networks(AlexNet) review
😎 오늘은 CNN의 가장 기본중에 기본인 AlexNet 논문리뷰를 진행하겠습니다. 첫 리뷰이기에 많이 부족하지만, AlexNet은 어렵지 않은 논문이었기에 읽을 수 있었다고 생각합니다. 논문 링크: ImageNet Classification with Convolut
2.[CV] R-CNN(Rich feature hierarchies for accurate object detection and semantic segmentation) review
논문 링크 R-CNN Abstract & Introduction ✔ 최근 몇년 간 Object detection performance 분야에서는 PASCAL VOC dateset을 기준으로 평가했습니다. 본 논문에서 제시하는 간단하고 확장가능한 알고리즘으로
3.[CV] Faster R-CNN review
🎈 본 리뷰는 Faster R-CNN 논문 및 리뷰 등을 참고해 작성했습니다. 참고한 reference는 글 마지막 단에 개시하겠습니다. 🎈 RPN 🎈 Anchor box 🎈 Share Features 🎈 time cost-efficient 🎈 Fast R-
4.[CV] You Only Look Once: Unified, Real-Time Object Detection(YOLO v1) review
🎈 본 리뷰는 YOLO v1 논문 및 리뷰 등을 참고해 작성했습니다. Key Words 🎈 Extremely Fast 🎈 one-stage model 🎈 Grid cell 🎈 DarkNet 🎈 Responsible Introduction ✔ 기
5.[CV] Feature Pyramid Networks for Object Detection(FPN) review
🎈 본 리뷰는 FPN 및 리뷰를 참고해 작성했습니다. 🎈 Feature Pyramid Networks 🎈 Bottom-up, Top-down Pathways 🎈 High,low Resolution & Low,High-level Features 🎈 FPN w
6.[CV] YOLO9000: Better, Faster, Stronger
🎈 본 리뷰는 YOLO9000 및 리뷰를 참고해 작성했습니다.🎈 Joint train algorithm🎈 Anchor Boxes🎈 Kmeans🎈 Darknet-19🎈 Dataset combination with WordTree✔ Detection Framew
7.[CV] Understanding RoIs(Region of Interest)
👨🏫 본 리뷰는 Kemal Erdem님의 블로그을 보고 작성한 리뷰입니다.📌 Before review 본 글을 쓰게 된 이유는 MASK R-CNN 논문을 읽는 중 RoI에 대한 글이 나오는데, 이 부분에 대해 찾아보다 너무나도 좋은 글이 있어 리뷰합니다.
8.[CV] Feature Pyramid Networks for Object Detection(RetinaNet) review
🎈 본 리뷰는 RetinaNet 및 리뷰를 참고해 작성했습니다.🎈 Focal Loss🎈 One-Stage👨🏫 RetinaNet은 Focal Loss를 사용한 One-stage detector로써 핵심은 focal loss를 사용해 "easy negative"
9.[CV] YOLOv3: An Incremental Improvement review
🎈 본 리뷰는 YOLOv3 및 리뷰를 참고해 작성했습니다. Key Words 🎈 Multilabel Classification(do not use softmax) 🎈 Darknet-53(skip connections and upsampling) 🎈 Det
10.[CV] About RPN(Region Proposal Network)
👨🏫 오늘은 Faster R-CNN 논문에서 나온 RPN(Region Proposal Network)에 대해서 다시 알아볼려고 합니다. 사실 전에 Faster R-CNN 논문 리뷰를 했지만, RPN에 대해 다시 글을 쓰는 이유는 많은 다른 논문들에서 RPN을 사
11.[CV] EfficientDet Scalable and Efficient Object Detection review
🎈 본 리뷰는 EfficientDet 및 리뷰를 참고해 작성했습니다. Keywords 🎈 EfficientNet 🎈 BiFPN network 🎈 Weighted Feature Fusion 🎈 Compound Scaling Introduction ✔ 오
12.[CV] Object as points review
🎈 본 리뷰는 CenterNet 및 리뷰를 참고해 작성했습니다.🎈 CenterNet🎈 Keypoint and Center-based🎈 Only one anchor✔ 오늘은 CenterNet인 Object as points 논문에 대해 리뷰할 예정입니다. 기존의
13.[CV] YOLOv4: Optimal Speed and Accuracy of Object Detection review
🎈 본 리뷰는 YOLOv4 및 리뷰를 참고해 작성했습니다.🎈 Bag of freevies and Bad of specials🎈 CSPDarknet53 + SPP + PAN + YOLOv3🎈 Optimize for Single GPU🎈 YOLOv4 리뷰에 앞서
14.[CV] An Image Is Worth 16x16 Words: Transformers for Image Recognition At Scale(ViT) review
🎈 본 리뷰는 ViT 및 리뷰를 참고해 작성했습니다. Keywords 🎈 Using pure transformer for Image Recognition 🎈 Fewer computational resources to train
15.[CV] DETR: End-to-End Object Detection with Transformers review
🎈 본 리뷰는 DETR 및 리뷰를 참고해 작성했습니다.👩💻 오늘은 DETR에 대해 리뷰해보도록 하겠습니다.
16.[CV] U-Net: Convolutional Networks for Biomedical Image Segmentation
🎈 본 리뷰는 U-Net 및 리뷰를 참고해 작성했습니다. 👩💻 오늘은 Semantic segmentation 중 하나의 U-Net 논문 리뷰를 진행해보겠습니다. 제목에서 볼 수 있듯이 본 논문이 의학계열과 많은 관련이 있는 것을 알 수 있습니다. 전 의학에 대
17.[XAI] Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
🎈 본 리뷰는 Grad-CAM 및 리뷰를 참고해 작성했습니다. 👩💻 오늘은 Grad-CAM 논문 리뷰를 진행해보겠습니다. 제목과 같이 Grad-CAM은 딥러닝 네트워크를 이해를 도와줍니다. 흔히 딥러닝 네트워크를 "블랙박스"라고 부르는데, 이는 어떠한 과정