Paper Review

NLP 분야의 근본 논문 Attention Is All You Need를 리뷰해 보았습니당🧮 논문 출처: https://arxiv.org/pdf/1706.03762 ✅ Attention이란?우선 논문 리뷰에 앞서,, Attention이란 간단하게 말해서 모든 기억을 동등하게 집중해서 기억하도록 구조화하는 기법입니다. 기존의 RNN(Recurrent Neural Networks)이나 LSTM(Long Short-Term Memory) 같은 순환 신경망 모델들은 입력 시퀀스를 순차적으로 처리하여 고정된 크기의 벡터로 인코딩한 후, 이를 디코더가 다시 출력 시퀀스로 변환합니다. 이 과정에서 중요한 정보가 손실되거나, 긴 시퀀스의 경우 앞부분의 정보가 희석되는 문제가 발생할 수 있습니다. 어텐션 메커니즘은 이..

✅ Summary정확도가 올라감과 동시에 빠른 속도 유지 --> 320*320 input을 가지는 YOLOv3는 28.2mAP의 성능을 내며, 판단 속도는 22ms로 매우 빠름​​ - SSD(Single Shot multibox Detector)와 비교할 수 있는데, SSD와 mAP는 비슷하지만 속도가 3배 빠름- 소스코드https://pjreddie.com/darknet/yolo/ YOLO: Real-Time Object DetectionYOLO: Real-Time Object Detection You only look once (YOLO) is a state-of-the-art, real-time object detection system. On a Pascal Titan X it processes ..

논문은 3개의 파트로 구성되어 있음Better : 정확도를 올리기 위한 방법Faster : detection 속도를 향상시키기 위한 방법Stronger : 더 많은 범위의 class를 예측하기 위한 방법 ✅ BetterBatch Normalization - 모든 conv layer 뒤에 batch normalization을 추가하여, 성능면에서 mAP 값 2% 향상 - overfitting 없이 기타 정규화 방법을 이용하여 dropout 제거​High Resolution Classifier - YOLO는 224×224로 classifier를 학습시키고 448×448로 사이즈를 키워서 detection을 수행했지만, YOLOv2는 classification network를 먼저 448×448 사이즈로 10..

일단,,,논문 전체를 번역 및 설명한 글 참고하세용...https://bkshin.tistory.com/entry/%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0-YOLOYou-Only-Look-Once 논문 리뷰 - YOLO(You Only Look Once) 톺아보기본 글은 YOLO 논문 전체를 번역 및 설명해놓은 글입니다. 크게 중요하지 않은 부분을 제외하고는 대부분의 글을 번역했고 필요하다면 부가적인 설명도 추가했습니다. 내용이 긴 섹션 끝에는 요약bkshin.tistory.com  ✅ YOLO란?객체 탐지(Object Detection)에는 두 가지 방식이 존재하는데, Image Classification과 Localization을 구분짓는 "Two-stage Detector..

사진을 특정한 화풍으로 바꿔주는 것으로 질감의 패턴 이용한 기술이다. ✅ SummaryTexture(질감)은 일종의 반복되는 패턴이므로, Texture synthesis의 목적은 어떤 sample texture로부터 새로운 sample texture를 만드는 것--> 바꾸고 싶은 이미지인 content image와 따라하고 싶은 화풍 이미지인 style image 필요  ✅ 알고리즘[ 과정 ]1) 입력 이미지가 variable이 됨 ----> 위 사진을 보면 왼쪽과 오른쪽 모두 같은 레이어를 차용하고 사용된 파라미터 수도 같으나, 입력이 다르기 때문!2) content image(texture image)를 input으로 하는 neural net 구조 생성3) 이와 같은 파라미터를 사용하는 neural ..

2015년에 arXiv를 통해 공개된 논문으로, 평범한 사진에 화가가 그린 그림의 색, 질감을 입혀 마치 화가가 그린 그림처럼 보이도록 하는 이미지 합성 알고리즘을 제안하였다. ✅ SummaryCNN, VGGNet을 이용해 사진 및 그림을 style과 content 요소로 구분한 후, 이 두가지를 재조합하여 새로운 artistic image 생성을 목표로 함CNN의 convolution layer별로 이미지가 어떻게 변화되어 가는지 시각화1) content image(우측 하단 이미지)의 경우, layer가 깊어질수록 원본 대비 detail한 pixel은 소실되지만 high-level image인 전체적인 윤곽인 건물의 모습 유지2) style image(우측 상단 이미지)의 경우, layer가 깊어질수..