Computer Vision

CNN 리뷰 먼저 CNN에 대해 가볍게 리뷰를 해보자. 어떻게 CNN이 MLP보다 우월한 성능을 보일 수 있었을까? 👩‍💼인간의 사고방식 흉내 신경다발을 잘 끊어 냄 실제 사람이 이미지를 인식할 때 뇌의 일부분만 활성화 된다는 것을 알게 되었다. 따라서

신경망을 학습하는데 이상한점이 발견되었다.layer의 개수가 늘수록 training error가 늘어나는 현상이 관찰 됨.보통 신경망을 깊게만들면 오버피팅이 나더라도 training은 잘 되어야 하는데 매우 수상함.왜 이런일이 생겼을까?이는 layer수가 많아짐에 따라

2017년 1등한 친구. (파라미터수 6600만)SE block은 아래와 같다.HxWxC 의 feature map을 GAP 한후 FC Layer 두층을 통과시킨 다음 그 값을 각 특징 맵 채널 에다가 곱해준다.FC Layer는 C -> C/16->C 형태의 네트워크다.

Autoencoder는 무엇을 위해 쓰일까? 여러가지 쓰임새들이 있겠지만 Autoencoder의 가장 중요한 기능중 하나는 Manifold를 학습하는 것이다.Manifold는 복잡한 다차원 구조의 데이터 샘플들을 에러 없이 잘 다루는 subspace 이다.이런 sub

생성 모델은 데이터의 확률 분포에 근사하는 분포를 학습하여, 실제 데이터와 유사한 새로운 데이터를 생성하는 것을 목표로 합니다. 이를 통해, 생성 모델은 다음과 같은 작업을 수행할 수 있습니다GAN은 두가지 모델로 이루어져있다.input의 진위를 판단하는 Discrim

VAE는 처음부터 auto encoder구조를 염두해두고 만들어 진게 아니다. 뒷단, 즉 generator부분을 학습시키려다 보니까 앞단이 붙은거고 공교롭게 그 구조를 보니까 auto encoder와 똑같아진 경우임우린 Generative model을 control

안녕하세요 오늘 그 유명한 ViT 논문을 가져왔습니다. 트랜스포머가 비전분야에서까지 쓰이네요. 너무 기대가 되는 논문입니다. 36000회 인용된 논문이구요 , 구글 리서치 팀에서 낸 논문입니다. 트랜스포머 아키텍쳐는 NLP 태스크를 수행함에 있어서 de-facto 스탠

microsoft 논문18000회 인용 본 논문은 semantic segmentation, image classification, object detection 등 여러 비전 task에서 우수한 성능을 보이는 Swin Transformer를 컴퓨터 비전 분야의 back