강의 복습 내용

[DAY 34]

(7강) Instance/Panoptic segmentation

(8강) Conditional generative model

퀴즈 결과 회고

[퀴즈] Hourglass network (제출용)

1. Hourglass Module Implementation에서 google colab의 calc_answer(model)의 출력 결과를 선택하세요.

• ans : 3200

Further Question

(1) Mask R-CNN과 Faster R-CNN은 어떤 차이점이 있을까요? (ex. 풀고자 하는 task, 네트워크 구성 등)

1. Faster R-CNN에서는 ROI Pooling을 통해서 정수 좌표만을 지원했던 반면에, Mask R-CNN에서는 ROIAlign을 통해서 실수 좌표도 지원했다.
2. Mask R-CNN = Faster R-CNN + Mask branch

(2) Panoptic segmentation과 instance segmentation은 어떤 차이점이 있을까요?

• Instance segmentation : 배경에는 관심이 없으며, 움직이는 물체에만 관심이 있었다.
• Semantic segmentation : 배경에도 관심이 있으나, 개체들을 구분할 수 없다.
• Panoptic segmentation : 배경에도 관심이 있으며, 개체들을 구분할 수 있다.

(3) Landmark localization은 human pose estimation 이외의 어떤 도메인에 적용될 수 있을까요?

• Facial landmark localization
• Landmark localization (= keypoint estimation): Predicting the coordinates of keypoints.

피어 세션 정리

강의 리뷰 및 Q&A

• (7강) Instance/Panoptic segmentation
• (8강) Conditional generative model

과제 진행 상황 정리 & 과제 결과물에 대한 정리

[과제] Hourglass network

• Hourglass network에 대한 것으로, 어렵지 않게 해결했습니다.

총평

수요일부터 강의는 넓고 얕게만 다루고, 과제는 완성도가 떨어지다 보니 강의 만족도가 낮았습니다.
특히, 제가 관심 있는 도메인이 아니라서 그런지 더 그랬던 것 같습니다.
차라리 특정 주제를 깊이 있게 다뤘다면 어땠을까 생각합니다.
많이 아쉽기는 하지만, 내일 잘 마무리하고 다음 주 U Stage의 마지막을 준비해보려고 합니다.

오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.

읽어주셔서 감사합니다!