IT 공부정리

Paper : https://arxiv.org/abs/2004.10934 YOLOv4 : Optimal Speed and Accuracy of Object Detection 논문 리뷰입니다. 1. Introduction 대부분의 CNN 기반 Object detection기술은 컴퓨팅 파워가 높은 시스템에서만 사용할 수 있다. 예를 들어 빈 주차 공간은 찾는 모델은 느리고 정확도가 높지만 자동차 충돌을 경고하는 모델은 빠르고 부정확하다. 실제로 좋은 성능을 가진 모델은 실시간으로 돌아갈 수 없거나 멀티 GPU를 사용해야한다.저자는 컴퓨팅 파워가 높지 않은 환경에서도 1-GPU를 가지고 활용할 수 있도록 하는게 목표이다. YOLOv4를 사용하면 누구나 기존의 GPU를 가지고 figure1 결과를 얻을 수 있..

DeepLearning 2023. 3. 24. 13:03

제가 논문을 읽고 이해한대로 정리한 리뷰입니다. 제가 잘못 이해한 부분이 있으면 댓글 남겨주세요. 논문 : https://arxiv.org/pdf/2005.12872.pdf 이번에 리뷰할 DETR 모델은 Object Detection 분야에서 Transformer를 사용하여 좋은 성능을 보여주는 논문이다. Abstract 본 논문은 object detection을 direct set prediction problem을 해결하기 위한 새로운 방법을 제안한다. non-maximum suppression(NMS)와 anchor generation과 같은 방법을 사용하지 않으면서 detection pipeline을 간소화 시켰다. 제안된 모델은 DEtection TRansformer 또는 DETR로 불린다. 제..

DeepLearning 2023. 1. 15. 17:34

합성곱 신경망(convolutional neural network, CNN)은 이미지 인식과 음성 인식 등 다양한 곳에서 사용되며, 특히 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 한다. 1. 전체 구조 CNN에서는 합성곱 계층(convolutional layer)과 풀링 계층(pooling layer)이 새롭게 등장을 한다. 기존의 신경망은 그림 1과 같이 완전 연결 신경망은 Affime 계층 뒤에 활성화 함수(Relu or Sigmoid)를 갖는 구조이다. CNN 계층은 Conv-ReLU-(Pooling) 흐름으로 연결된다(풀링 계층은 생략하기도 한다). 2. 합성곱 계층 CNN에서는 패딩(padding), 스트라이드(stride) 등 CNN 고유의 용어가 등장한다. 각 계..

DeepLearning 2022. 3. 12. 00:17

딥러닝을 공부하기 앞서 hand-crafted features와 End to end 차이점을 알면 좋을 것 같다. 일단 머신러닝과 딥러닝의 차이점을 알아야한다. 인공지능(Artificial Intelligent, AI)은 인간이 지닌 지적 능력의 일부 또는 전체를 인공적으로 구현한다는 의미로 가장 큰 개념이다. 머신러닝(Machine Learning)은 인공 지능의 한 분야로써 컴퓨터가 학습할 수 있도록 알고리즘을 개발하는 분야를 말한다. 딥러닝(Deep Learning)은 머신러닝을 위한 하나의 기술적모델에 불과할 뿐이다. 머신러닝 전문가에 의해 고안된 아이디어를 바탕으로 직접 설계된 수제 특징(hand-crafted features) 등을 추출하고, 이들 특징을 기반으로 학습하여 문제를 해결하는 방식..

DeepLearning 2021. 10. 1. 16:14