히비스서커스의 블로그

이 글은 2017년 NIPS에 등재된 Cost-Effective Active Learning for Melanoma Segmentation 논문을 읽고 정리한 글입니다. 0. Abstract 제한된 양의 medical image training labeled data를 semantic segmentation위한 CNN을 효과적으로 학습할 수 있는 novel Active Learning Framework를 제안함 Contribution pixel-wise uncertainty를 modeling하기 위해 test time에 dropout하여 Monte Carlo sampling을 적용한 실용적인 Cost-Effective Active Learning 접근 방법을 사용하였음 training의 performan..

이 글은 2019년 IEEE 저널에 실린 Region-Based Active Learning for Efficient Labeling in Semantic Segmentation 논문을 읽고 정리한 글입니다. 0. Abstract annotated dataset의 필요성은 증가하고 있으나 모든 픽셀을 annotation 하는 것은 방대하기에 비용이 많이 듦 ⇒ semantic segmentation task에서 region-based active learning 방법을 제안 train dataset에 대해 각 이미지의 10%만 annotation 하여서 train dataset를 annotation한 모델의 93.8%의 성능을 보임 transfer learning을 적용할 때에도 잘 작동하였음 (City..

※ CIAN: Cross-Image Affinity Net for Weakly Supervised Semantic Segmentation의 논문을 읽고 이해한대로 정리해본 글입니다. CIAN 논문은 풀잎스쿨 18기 WSSS 논문으로 입문하기에서 제가 발표를 맡았던 논문으로 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 많은 WSSS의 방법들이 존재하였지만 한 이미지 안에서 클래스의 영역들을 어떻게 더 정확한 위치에서 정교하게 segmentation을 할 것인가에 대한 방법들이 많았다. 데이터셋 안에 있는 이미지 안에서 클래스들의 ..

※ Seed, Expand and Constrain: Three Principles for Weakly-Supervised Image Segmentation의 논문을 읽고 이해한대로 정리해본 글입니다. 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. SEC 논문은 핵심 아이디어만 정리하였습니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 지금까지 살펴보았던 AE(Adversarial Erasing)의 기법을 사용하지 않고 seed를 만들어 확장시키는 SRG(Seed Region Growing) 방식의 시발점이 되는 논문이라고 생각한다. 즉, AE의 AE-PSL논문이 SRG에..

※ Unlocking the Potential of Ordinary Classifier: Class-specific Adversarial Erasing Framework for Weakly Supervised Semantic Segmentation의 논문을 읽고 이해한대로 정리해본 글입니다. 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. OC-CSE 논문은 핵심 아이디어만 정리하였습니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 AE(Adversarial Erasing)을 통해 WSSS를 하는 방법에 대해 가장 훌륭하다고 생각되는 아이디어들만을 고려하였고, 기존과는 달리..

※ Find it if You Can: End-to-End Adversarial Erasing for Weakly-Supervised Semantic Segmentation 의 논문을 읽고 이해한대로 정리해본 글입니다. 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. EADER 논문은 핵심 아이디어만 정리하였습니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 ACoL에 뒤이어 AE(Adversairal Erasing)을 이용하여 End-to-End 방식을 이용한 WSSS 모델을 제시한 논문이다. 핵심아이디어라고 볼 수 있는 부분은 GAN(Generative Adversari..

※ Adversarial complementary Learning for Weakly Supervised Object Localization 의 논문을 읽고 이해한대로 정리해본 글입니다. ACoL 논문은 풀잎스쿨 18기 WSSS 논문으로 입문하기에서 제가 발표를 맡았던 논문으로 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 AE(Adversarial Erasing)을 통해 WSSS(Weakly Supervised Semantic Segmentation)연구의 초석이 되는 AE-PSL 논문의 단점을 가장 잘 보완했다고 생각하는 논문..

※ Object Region Mining with Adversarial Erasing: A Simple Classification to Semantic Segmentation Approach 의 논문을 읽고 이해한대로 정리해본 글입니다. 아래에 첨부된 그림들 중 논문에 나와있지 않은 그림들은 제가 제작한 내용이니 사용 시 반드시 출처를 남겨주시기 바랍니다. AE-PSL 논문은 핵심 아이디어만 정리하였습니다. 풀잎스쿨 18기 WSSS 논문으로 입문하기를 통해 같이 공부한 분들께 감사를 드립니다. 개인적인 생각 CAM의 등장으로 WSSS(Weakly-Supervised Semantic Segmentation)의 연구의 청사진을 그릴 수 있었다면 AE-PSL의 등장은 WSSS의 연구에 주춧돌이 되었다고 생각한..