[업데이트 2018.06.24 15:30] 열한번째 요약할 논문은 "Selective Search for Object Recognition"(http://www.huppelen.nl/publications/selectiveSearchDraft.pdf) 입니다. 본 논문은 Object Detection에서 입력된 이미지의 후보 영역을 추천할 때 사용 되었던 방법으로 R-CNN 등의 논문들이 탁월한 성능을 보여주면서 주목 받게 되었습니다. Abstract를 보면 2가지 방법을 조합하여 Selective Search를 수행합니다. 1) Segmentation2) Exhaustive Search 1번의 경우는 이미지 구조적 특징(색상, 무늬, 크기, 모양)을 사용하여 후보 영역을 추출하는 것을 말하며, 2번의 ..
[업데이트 2018.07.12 13:32] 열번째 요약할 논문은 "Rich feature hierarchies for accurate object detection and semantic segmentation"(https://arxiv.org/pdf/1311.2524v5.pdf) 입니다. 본 논문은 object detection 분야에서 많이 알려진 R-CNN에 대한 내용입니다. 본 논문에서는 VOC 2012년 가장 좋은 결과 대비 mAP(mean average precision)에 있어서 30% 이상 성능 향상을 시켰음을 보여주고 있습니다. (mAP 53.3% 달성) 또한 OverFeat이라는 CNN에 기반한 sliding-window detector 아키텍쳐와 비교했을 때도 200-class ILS..
[업데이트 2018.05.06 16:50] 아홉번째 요약할 논문은 "Visualizing and Understanding Convolutional Networks"(https://arxiv.org/pdf/1311.2901.pdf) 입니다. 본 논문에서는 기존에 우수한 성능을 보인 AlexNet과 같은 Large Convolutional Network가 학습 수행이 왜 잘되는지, 그리고 좋은 성능을 만드는지 clear하게 설명되지 않은 부분에 대해 다룹니다. CNN 아키텍쳐를 구성하는 각각의 중간 layer부터 최종 classifier까지 입력된 이미지로부터 특징이 어떻게 추출되고, 학습이 되어 가는지 시각화를 통해 분석하는 방법을 제시합니다. 또한 이러한 시각화 분석을 통해 기존 Alex Net대비 성능..
- Total
- Today
- Yesterday
- Meow
- Jekyll and Hyde
- ILoop Engine
- ate
- 도커
- Game Engine
- docker
- Sea Bottom
- Mask R-CNN
- SSM
- Physical Simulation
- project
- GOD
- #ApacheZeppelin
- 2D Game
- Worry
- some time ago
- #REST API
- Badge
- OST
- English
- belief
- sentence test
- #ELK Stack
- aws #cloudfront
- Library
- Ragdoll
- #ApacheSpark
- #TensorFlow
- Memorize
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |