딥러닝 공부

기본적으로 16개 계층으로 구성된 CNN인 VGG-16과 ResNet을 backbone으로 사용한다.ResNet은 layers의 수를 지정할 수 있으며 지정된 layers에 따라 pretrained된 모델을 선택할 수 있다.conv_bn_relu, 즉 컨볼루션 연산과

딥러닝에서 아키텍처는 기본적으로 뉴럴 네트워크의 구조나 디자인을 의미합니다. 아키텍처는 어떻게 레이어가 배열되는지, 뉴런들이 어떻게 연결되는지, 어떤 활성화 함수를 사용하는지 등을 결정합니다.딥러닝 아키텍처의 몇 가지 주요 유형에 대해 설명하겠습니다:완전 연결 계층 (

Convolutional Neural Network(CNN or ConvNet)란 데이터로부터 직접 학습하는 딥러닝의 신경망 아키텍처입니다.CNN은 수집 또는 수백 개의 계층을 가질 수 있으며 각 계층은 영상의 서로 다른 특징을 검출합니다. 각 훈련 영상에 서로 다른

EfficientNet은 Image Classification을 하기 위해 개발된 모델입니다.Image Classification을 효과적으로 하기 위해선 정확도를 높여야 합니다. 정확도를 높이는 방법에는 모델을 새로 개발하거나 기존 모델을 바탕으로 conplexity

MBConv는 CNN아키텍처에서 쓰이는 모듈 중 하나이다.

PointNet: Deep Learning on Point for 3D Classification and SegmentationClassificationSegmentationPoint cloudMLPMax poolingT-NetFC layerPoint cloud는 ir

Abstract Introduction Conclusion 이 논문에서는 Point Cloud에 사용될 수 있는 end to end deep network이자 encoder인 PointPillars를 제안하였습니다. KITTI dataset에서 기존 모델에 비해 가장

Camera에서 취득한 stereo image를 통해 pseudo-LiDAR를 만들고 3D object detection을 수행합니다.

SPP Network는 pseudo-LiDAR 네트워크에서 하나의 모듈로써 사용되며, 입력 이미지의 크기와 상관없이 CNN을 적용할 수 있도록 하는 역할을 합니다.Stacked hourglass네트워크는 pseudo-LiDAR 네트워크에서 하나의 모듈로써 사용되며, 이