[업데이트 2018.09.06 13:42] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection(http://arclab.tistory.com/172) Mathieu et al. [26] and Denton et al. [6] adopted GANs for the application of image generation. 2. 레퍼런스 논문[6] E. L. Denton, S. Chintala, R. Fergus, et al. Deep generative image models using a laplacian pyramid of adversarial networks. In NIPS, pages 1486..
[업데이트 2018.09.06 13:23] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection(http://arclab.tistory.com/172) We compare the result of Perceptual GAN with all the existing methods that achieved best performance on the Caltech testing set, including VJ [37], HOG [5], LDCF [27], Katamari [2], SpatialPooling+ [30], TA-CNN [36], Checkerboards [43], CompACT-Deep [44]..
[업데이트 2018.09.05 13:41] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection에서 참조한 논문입니다.(http://arclab.tistory.com/172) Some efforts [4, 25, 18, 39, 23, 1] have been devoted to addressing small object detection problems. One common practice [4, 25] is to increase the scale of input images to enhance the resolution of small objects and produce high-resolution ..
[업데이트 2018.09.05 11:41] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection에서 참조한 논문입니다.(http://arclab.tistory.com/172) For traffic sign detection, we use the pretrained VGG-CNN-M-1024 model [3] as adopted in [24] to initialize our network. 2. 레퍼런스 논문[3] K. Chatfield, K. Simonyan, A. Vedaldi, and A. Zisserman. Return of the devil in the details: Delving deep ..
[업데이트 2018.09.05 10:55] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection(http://arclab.tistory.com/172) We compare the result of Perceptual GAN with all the existing methods that achieved best performance on the Caltech testing set, including VJ [37], HOG [5], LDCF [27], Katamari [2], SpatialPooling+ [30], TA-CNN [36], Checkerboards [43], CompACT-Deep [44]..
[업데이트 2018.09.05 14:47] 1. 베이스 논문[논문 요약17] Perceptual Generative Adversarial Networks for Small Object Detection(http://arclab.tistory.com/172) Some efforts [4, 25, 18, 39, 23, 1] have been devoted to addressing small object detection problems. Some others [39, 23, 1] focus on developing network variants to generate multi-scale representation which enhances high-level small-scale features with m..
[업데이트 2018.08.31 09:38] 세번째 제작한 라이트세이버는 OWK로 불리우는데, 스타워즈 에피스드1에 나오는 오비완 케노비가 파다완 일 때, 사용한 라이트세이버입니다. 에피소드1에서 다스몰과 싸우는중 결국 잃어버리게 됩니다. OWK 경우 만들 당시 OWK 전용 Goth3D Chassis가 아직 나오지 않은 상태라 7/8" 용 Chassis Module 3개를 조합하여 만들었습니다. 그러다보니 Crystal Reveal 버전을 만들지 못했습니다. 제작 부품 및 스펙 입니다. -Hilt: Korbanth OWK kit(for 7/8") -Blade: Vader's Vault 7/8" Diameter Blade (Blade Style: Standard clear, Blade Size: 34", T..
[업데이트 2018.08.31 09:41] 두번째로 만들게 된 DV6 라이트세이버입니다. 스타워즈 에피소드 6 ROTJ(Return of the Jedi)에서 다스베이더가 사용했던 라이트세이버입니다. 스타워즈 에피소드 4,5까지는 MPP라 불리우는 다스베이더 라이트세이버 디자인으로 영화상에서 소품으로 사용했는데, 에피소드6 촬영전에 도난을 당해 새롭게 다시 디자인했다는 일화가 있습니다. 만들때 사용한 부품 및 스펙은 아래와 같습니다. -Hilt: Korbanth DV6 kit(for 7/8")-Blade: Vader's Vault 7/8" Diameter Blade(Blade Style: Standard clear, Blade Size: 34", Tip Type: Round, Tip Style: Shin..
The project “Numbers” is a web service for managing the members of youth group in Somang Church. •Developed the back-end as serverless architecture based on AWS. The used services are as follows.- RDS(MySQL)- S3- CloudFront- API Gateway- Lambda- Route 53- Cognito- CloudWatch- Certificate Manager- Simple Email Service •Designed RESTful API interface using with API Gateway and Lambda.•Developed th..
- Total
- Today
- Yesterday
- #REST API
- English
- Sea Bottom
- Jekyll and Hyde
- Badge
- some time ago
- ate
- Memorize
- Ragdoll
- Library
- #TensorFlow
- docker
- ILoop Engine
- #ELK Stack
- Physical Simulation
- Worry
- OST
- Meow
- project
- aws #cloudfront
- sentence test
- 2D Game
- GOD
- #ApacheZeppelin
- SSM
- Game Engine
- 도커
- #ApacheSpark
- belief
- Mask R-CNN
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 |