# CNN

cosmicdev

Intro EfficientNet: CNN을 위한 모델 스케일링 CNN은 일반적으로 고정된 자원의 budget에서 개발되었고, 그리고 나서 더 많은 자원을 사용할 수 있다면 더 나은 정확도를 위해 확장한다. 더 나아가 우리는 새로운 베이스라인 네트워크 디자인과 이전C

sjinu

CNN 모델에 적용할 수 있는 XAI기법 중 하나인 시각화 기법에 대해 알아보자.

secdoc

본 포스팅은 How to implement a YOLO (v3) object detector from scratch in PyTorch: Part 2 내용을 번역한 것입니다! 개인적으로 공부하며 작성한 내용이라 오류 있으면 알려주시면 감사하겠습니다 본 편은 YOLO(

secdoc

YOLO (v3)를 이용하는 프로젝트를 시작하게 되어 yolo에 대한 공부를 하던 중아래와 같은 YOLO 처음부터 구현하는 좋은 글을 발견하여 번역하며 공부해보기로 하였다. 본문 내용 바로 가기 ‖ Series: YOLO object detector in PyTorch

beom5020

객체 탐지(Object detection)

soe8192

딥러닝 모델의 기초 알고리즘이라 할 수 있는 CNN은 이미지에 대한 딥러닝 모델이다.Convolutional Neural Network 라는 뜻으로 합성곱 신경망이라 불린다.기존 신경망에서는 이미지같이 1차원이 넘는 데이터에 대해서 Flatten으로 1차원화 시킨다음

naem1023

속도, 다양성 면에서 pytorch 내장 transformation보다 좋길래 사용했다.가령, 아래와 같은 transformation을 학습에서 사용했다고 해보자.그러면 inference에서도 아래와 같이 동일 구성의 크기 조절, crop, normalization을

seaworld0125

초보도 할 수 있어!

hj3526

9강 슬라이드 1~35p 분량 입니다.9강 CNN 아키텍쳐지난 시간(8강 딥러닝 소프트웨어): 딥러닝 프레임 워크를 배움지난 시간: 딥러닝 프레임워크들을 이용하게 되면,(1) 큰 계산 그래프(Computational Graphs)를 쉽게 구성(2) 계산그래프에서 기울기

stellakim1012

가구에서의 추락과 같이 복잡한 환경에서 매우 정확한 추락 감지를 달성하는 것을 목표로 Faster R-CNN 기반 모델을 구성하여 실험을 설계하였다.

bokyoung17

CNN part 1에서는 neural network가 무엇인지 CNN이 어떻게 동작하는지에 대해서 알아봤다. 여기서는 CNN에 숨겨진 비밀과 CNN에 layer를 많이 쌓으면 발생하는 문제점에 대해서 알아볼 것이다. (김승일 모두연 소장님의 강의를 듣고 정리한 내용이다

naem1023

대회 막바지에 점수를 올리기 위해 사용했던 기법들이다. 극적인 성능 향상은 아니고 점수 굳히기 느낌이었다. ref: https://chacha95.github.io/2021-06-26-data-augmentation2/확정된 모델이 존재할 때 사용할 수 있는

yelim421

이번 글에서는 여기서 사용한 데이터셋과 전처리를 이용하여 다른 모델을 만들어 볼 것이다. 이전에서는 BiLSTM을 이용했지만 이번에는 BiLSTM과 CNN을 동시에 이용하여 만들어보자. 이번 내용에서는 단어(Word)와 글자(Character)의 차이를 헷갈리지 않도

naem1023

nvidia에서 torch에 넣어준 그 'amp'다. FP16으로 계산하게 해준다 해서 사용할 계획.https://pytorch.org/docs/stable/notes/amp_examples.htmlautocast에서 자동으로 해주는 첫번째 방법 사용.개념:

naem1023

본래 cutmix는 랜덤하게 이미지 패치를 샘플링한다. 해당 방식이 마스크 이미지에선느 썩 효과적이지 못할 수도 있다. 마스크를 착용여부, 성별, 나이를 알기 위해서는 얼굴만 detection해서 patch를 하는것이 가장 효과적일 것이다. 따라서 랜덤하게 패치하고자한

naem1023

CutMix https://hongl.tistory.com/223 random crop보다 효과 있다는 CutMix를 사용하기로 했다. 구현 공식 레포: https://github.com/clovaai/CutMix-PyTorch pytorch implement 레포:

a01152a

CVPR 2015년도에 실린 논문지인 Show and Tell: A Neural Image Caption Generator를 참고하여 Image Captioning을 구현한다.위 그림처럼 어떤 이미지를 잘 설명해주는 문장을 만드는 것을 Image Captioning이라

cateto

GPU를 활용하기 위해 딥러닝 환경을 구축하는 과정을 정리해보자.library : tensorflowgpu : geforce gtx 1060os : windows 10참고 링크 : https://theorydb.github.io/dev/2020/02/14/de

hughqlee

2012년 ILSVRC에서 우승한 AlexNet의 논문을 공부하고, 그 코드를 구현.

iissaacc

아이유 말고 아이오유. Object detection 모델 논문을 보면 AP50이나 AP75처럼 AP(Average Precision)에 옵션을 달아두는 식으로 자주 만날 수 있다.