CenterPoint의 Gaussian Heatmap의 근원은 CornetNet 논문이다.원래는 GT 코너 주변의 코너 쌍이 정확히 GT가 아니더라도, GT 바운딩 박스와 비슷한 박스를 그릴 수 있기 때문에 이를 보상해주기 위해 적용했다.

모델 히스토그램을 그려, 웨이트와 바이어스의 분포가 학습에 따라 어떻게 변화하는지를 관측하면 어떤 레이어가 불필요한지, 어떤 레이어가 잘 학습이 안되는지를 판별에 모델 설계에 도움을 줄 수 있다.Bias와 Weight의 상관관계가 높은 경우모델이 학습하기 위한 Cont

$$CE(p_t)=-(y\\cdot\\log_2(p_t)+(1-y)\\cdot\\log_2(1-p_t))$$$\\gamma$: 2$\\alpha$: 0.25$$FL(p_t)=-(y\\cdot\\alpha\\cdot(1-p_t)^\\gamma\\cdot\\log_2(p_

L2 loss는 Gradient Explosion을 유발하기 때문Object detection in 20 years: A survey

트랙킹을 잘 사용하려면, Recall이 높도록 모델을 설계해야한다.Recall이 높으면, FP가 많아지겠지만 트랙킹이 FP를 필터링해줄 수 있다.또한, 모든 객체를 다 잡아야하는 조건에서도 Recall이 높도록 모델을 설계해야한다.

컨테이너 실행 시, 시간대의 기본값은 UST로 잡혀있어 실제 한국 시간과 다르다.이를 일치시켜주기 위해 아래의 작업들을 수행할 수 있다.아래 시간대를 볼륨으로 잡아주기

애네들은 개똑같이 CenterNet으로 Anchor-free 헤드 만들어서 쓰는데 뭐가 다를까AFDet는 히트맵 라벨링할때, 가우시안 필터를 쓰지 않고,아래의 수식을 사용한다.d는 박스 중심과 해당 픽셀과의 거리이다.AFDet는 방향 임베딩을 2개가 아닌 8채널로 한다

WD는 LR과 곱하여 10-5~10-6사이가 되도록 하는 것이 국룰이다.

CutMix 이름 부터가 Regularization Strategy to Train Strong Classifiers with Localizable Features이다.즉, CutMix는 모델이 Localizable Feature에 대해서 학습할 수 있도록 Regula

Docker Container를 실행시키면 계정@폴더위치색이 명령어와 동일한 색깔이기 때문에 구분이 어렵다.아래에 간단하게 색깔입히는 방법을 공유한다./root/.bashrc의 내용을 수정해줘야 한다.

파일 압축 파일 압축 해제

$$W=(w+2p-f)/s+1\\H=(h+2p-f)/s+1$$만약 결과가 실수라면 소수점 아래 부분은 버린다.

구조체 사용법

Python 언어는 컴파일이 아닌 인터프리터 언어로 구분이 된다. 그렇다면 컴파일은 무엇이고, 인터프리터는 뭐란 말인가?컴파일 언어(C, C++): 컴파일 언어로 작성된 코드를 실행하기 위해선 먼저 코드를 컴파일하고, 컴파일된 실행파일을 실행 해야한다.장점: 실행속도가

UDP 포트번호 확인하기 열려있는 포트 닫기

1. 현재 작업하는 폴더를 깃 로컬 저장소로 만들기 2. 로컬 저장소를 원격 저장소에 올리기

1저자: Charles R. Qi날짜: 2016/12단체: Leonidas Guibas Laboratory (Stanford University)1저자: Charles R. Qi날짜: 2017/06단체: Leonidas Guibas Laboratory (Stanford

이미지 시그멘이션 작업에서 어떤 모델의 마지막 레이어 활성함수가 시그모이드 이거나 활성화 함수 없이 Cross-Entrophy 내부의 Softmax를 사용하는 경우를 보고 이 차이를 정리 합니다.다들 잘 아시다시피 시그모이드는 시그모이드 함수를 통해 결과를 0에서 1사

이 글은 nvidia-docker를 알고, 컨테이너에서 GPU자원을 사용할 수 있다는 가정하에 설명하고 있습니다.TensorRT가 설치된 도커 이미지에 대한 설명은 아래의 사이트에서 얻을 수 있다.https://docs.nvidia.com/deeplearnin