목록Theory/Computer Vision (20)

히비스서커스의 블로그

[WSSS] AE-PSL 논문 정리

※ 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..
Theory/Computer Vision 2022. 2. 13. 00:44
[CS231n 12] Visualizing and Understanding

이 내용들은 전적으로 stanford university의 CS231n 2017 12강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 앞선 강의 내용의 대부분의 내용들은 CNN에 입력으로 이미지가 들어가고 출력값은 Class score나 BBox, lebeled pixels 등 다양한 결과들로 나타나게 할 수 있다. 그렇다면 CNN안의 내부에서는 어떤 일들이 일어나는지 알아보자. 1. 레이어에서 시각화 첫 번째 layer 먼저 살펴보자 Alexnet 첫번째 Conv의 결과로는 3X11X11 feature map이 나오게 되며 필터의 가중치와 입력 이미지의 내적을 통해 구해진다. feature map을 시각화 시키는 것으로 필터들이 무엇을 찾는지를 알 수 있는데 보통 엣지나 보색 등을 찾아낸다. 첫번..
Theory/Computer Vision 2021. 9. 11. 01:34
[CS231n 11] Detection and Segmentation

※이 내용들은 전적으로 stanford university의 CS231n 2017 11강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 앞서 자세히 배웠던 Computer Vision에서의 Task는 Image Classficiation으로 이미지 한 장에 대한 label을 맞추는 테스크였다. 이제 Computer Vision에서의 다른 Task들이 무엇이 있고 어떻게 수행하는지 살펴보자. 크게 Semantic Segmentation, Classification + Localization, Object Detection, Instance Segmentation 4가지를 살펴보자. 간단하게 각각의 개념만 짚고 넘어가자면 Semantic Segmentation은 이미지 안의 모든 픽셀들을 카테고리화 하..
Theory/Computer Vision 2021. 9. 6. 23:53
[CS231n Midterm] Short Answer

※이 내용들은 전적으로 stanford university의 CS231n 2017 Midterm문제와 Solution을 참조하여 작성하였음을 먼저 밝힙니다. 도움을 주신 아이펠 대전 1기 CS231n 풀잎스쿨 분들께 감사를 표합니다.※ 1~2번 문제는 다음의 블로그를 참조해주세요! https://shinest-programming.tistory.com/24 [cs231n]midterm 중간고사 풀이 2021.3.29 16:19 안녕하세요 프로그램밍을 배우는 빛나는 샤트입니다. 스탠포드 대학의 딥러닝 강의인 cs231n의 중간고사 풀이입니다. 문제와 풀이 pdf파일은 이 블로그 글의 하단의 github 링크에 있습 shinest-programming.tistory.com 3.1 Backpropagation..
Theory/Computer Vision 2021. 3. 25. 16:55
[CS231n 9] CNN Architectures

※이 내용들은 전적으로 stanford university의 CS231n 2017 9강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 7강에서는 Training Neural Netwroks 2에 관하여 살펴보았다. 2021/02/14 - [Programming/CS231n] - [lecture 7] training neural network 2 [lecture 7] training neural network 2 ※이 내용들은 전적으로stanford university의 CS231n 2017 7강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 6강에서는 Training Neural Networks 1에 관해서 살펴보았다. 2021/02/07 - [Programmi.. biology-s..
Theory/Computer Vision 2021. 2. 21. 21:57
[CS231n 7] training neural network 2

※이 내용들은 전적으로stanford university의 CS231n 2017 7강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 6강에서는 Training Neural Networks 1에 관해서 살펴보았다. 2021/02/07 - [Programming/CS231n] - [Lecture 6] Training Neural Networks 1 [Lecture 6] Training Neural Networks 1 ※이 내용들은 전적으로stanford university의 CS231n 2017 6강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 5강에서는 Convolutional Neural Networks에 관해서 살펴보았다. 2021/02/01 - [Program.. biology..
Theory/Computer Vision 2021. 2. 14. 13:49
[CS231n 6] Training Neural Networks 1

※이 내용들은 전적으로stanford university의 CS231n 2017 6강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 5강에서는 Convolutional Neural Networks에 관해서 살펴보았다. 2021/02/01 - [Programming/CS231n] - [Lecture 5] Convolutional Neural Networks [Lecture 5] Convolutional Neural Networks ※ 이 내용들은 전적으로stanford university의 CS231n 2017 5강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 4장에서는 Backpropagation과 Neural Networks에 관하여배웠다. 2021/01/25 - [Progra...
Theory/Computer Vision 2021. 2. 7. 17:40
[CS231n 5] Convolutional Neural Networks

※ 이 내용들은 전적으로stanford university의 CS231n 2017 5강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다.※ 이전 4장에서는 Backpropagation과 Neural Networks에 관하여배웠다. 2021/01/25 - [Programming/CS231n] - [lecture 4] Introduction to Neural Networks [lecture 4] Introduction to Neural Networks ※ 이 내용들은 전적으로 stanford university의 CS231n 2017 4강 강의 내용을 기반으로 작성하였음을 먼저 밝힙니다. ※ 이전 3장에서는 Loss Function과 Opitmization을 살펴보았다. 2021/01/13 - [Progra..
Theory/Computer Vision 2021. 2. 1. 21:46
이전 Prev 1 2 3 Next 다음