Paper Reading
1.[2021] A Survey of Modern Deep Learning based Object Detection Models
AlexNet 2012\-Problem Statement\-Key Challenges1) Intra class variation2) Number of categories: 분류해야하는 object class가 너무 많고, 높은 퀄리티의 annotated data가 있어
2.[2022.07] YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors
YOLOv7은 5FPS~160FPS 범위에서 현재까지 알려진 obejct detector와 비교했을 때 speed와 accuracy 측면에서 앞선다. 300FPS이상의 GPU V100에서 56.8%의 accuacy로, all known real-time object d
3.[2019.07] Benchmarking Robustness in Object Detection: Autonomous Driving when Winter is Coming
1.Introduction model의 robustness를 평가하기 위한 measure/metric, benchmark dataset을 정의해야 한다. Improving corruption robustness preprocessing 단계에서 denosing ->
4.[ECCV 2022] DeciWatch: A Simple Baseline for 10× Efficient 2D and 3D Pose Estimation
기존의 Simple Baselines for Human Pose Estimation and Tracking(ECCV 2018)에서 성능 저하 없이 effiency를 10배 향상시켰다.sample-denoise-recover framework10%의 video frame
5.[ICCV 2019] SlowFast Networks for Video Recognition
Slow pathway: low frame rate, spatial semantics을 captureFast pathway: high frame rate, fine temporal resolution에서 motion을 capture한다. lightweight\-> 두