Arc Lab.'s Blog

[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..

[업데이트 2018.04.30 17:10] 여덟번째 요약할 논문은 "Deep Residual Learning for Image Recognition"(https://arxiv.org/pdf/1512.03385.pdf) 입니다. 본 논문에서는 residual learning을 통해 기존의 심층 신경망보다 상당히 더 deep한 신경망에 대해서도 학습을 잘하는것을 보여주고 있습니다. ResNet이라고 불리는 본 논문의 심층 신경망의 경우 152개의 layer로 구성되며, VGGNet 대비 8배나 많은 depth를 가집니다. ILSVRC 2015 image classification 분야에서 top-5 test error 3.57%를 기록하며 우승했습니다. 또한 ImageNet detection/localiza..

[업데이트 2018.04.20 17:04] 일곱번째 요약할 논문은 "Network In Network"(https://arxiv.org/pdf/1312.4400) 입니다. GoogLeNet에서 인용한 논문으로 Inception module의 컨셉을 설계하는데 참조한 논문입니다. GoogLeNet 논문을 리뷰하면서 추가로 찾아본 논문으로 간단히 정리하려고 합니다. 논문 제목에서 알 수 있듯이 네트워크를 구성 할 때 또 하나의 micro network를 포함하여 설계를 하는 것이 컨셉이며, 이렇게 구성하였을 때, 성능 향상이 있었음을 연구한 논문입니다. 기존 CNN에서 convolution을 수행 할 때, 수행 후 feature map을 얻게 되는데, 본 논문에서는 multilayer perceptron 네..

[업데이트 2018.04.30 16:03] 여섯번째 요약할 논문은 "Going Deeper with Convolutions"(https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf) 입니다. GoogLeNet이라고 부르는 22개의 Layer를 가진 심층 신경망으로 ILSVRC 2014년에 top-5 test error 6.7%를 기록하며, 우승을 하였습니다. 그리고 Inception Module이라는 아키텍쳐 형태로 심층 신경망을 구성합니다. NIN(Network in network, Lin 외) 논문에서 말하는 새로운 형태의 deep network struct..

[업데이트 2018.04.12 16:54] 다섯번째 요약할 논문은 "Very Deep Convolutional Networks For Large-Scale Image Recognition"(https://arxiv.org/pdf/1409.1556.pdf) 입니다. VGG Net이라고 불리우는 심층 신경망 모델로, 2014 ILSVRC (ImageNet Large-Scale Visual Recognition Challenge)에서 우승하진 못했지만 top-5 test error 7.3%를 기록하였습니다. Abstract에서 보면 본 논문에서 중요하게 다루었던 부분은 small receptive filed와 network의 depth입니다. 기존 AlexNet보다 작은 3x3 filter size 및 sti..

[업데이트 2018.04.10 17:09] 딥러닝에 대한 기본적인 개념에 대해 잘 정리되어 있는 블로그입니다. 딥러닝관련 기본 개념들을 이해할 때 참고하면 좋은 내용들입니다. * 참고 : http://colah.github.io

[업데이트 2018.08.31 10:45] 구글에서 무료로 제공하는 deep learning을 수행할 수 있는 Colab이라는 개발환경입니다. GPU NVidia K80, iPython, Jupyter Notebook 기반으로 동작합니다. 또한 구글 드라이브와 연동하여 편리하게 사용할 수 있습니다.아래의 참고 링크를 보시면 상세한 개발 환경 설정 방법을 확인하실 수 있습니다. 저의 경우 구글 드라이브에 deep_learning이란 폴더를 생성후 그 하위 폴더에 각 프로젝트별로 폴더 생성 및 ipynb Jupyter Notebook 파일 및 Python 파일을 관리 및 실행 하였습니다. 구글 드라이브 마운트를 아래의 링크를 보면 drive로 지정하는데, 다음과 같이 바로 python 파일을 실행하도록 하였..

I've been developing and maintaining the "Samsung App Center" web service since 2017. This is a portal for managing Smart UX application based on Android. The Samsung MFP has a platform based on Android and the developer can deploy the Smart UX app into the device. This web service is deployed in AWS(Amazon Web Service) and developed based on Spring Framework, J-Query and so on. https://smartux...

[업데이트 2018.04.08 01:51] 네번째 요약할 논문은 "ImageNet Classification with Deep Convolutional Neural Networks"(https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf) 입니다. Alex Net이라고 불리우는 심층 신경망 모델로, 2012 ILSVRC (ImageNet Large-Scale Visual Recognition Challenge)에서 괄목 할 만한 성과를 발표하게 됩니다. (top 5 test error rate of 15.4%) Abstract를 보면 ImageNet LSVRC-2010 컨테스트에..

[업데이트 2018.03.21 15:43] Proxy를 거치는 네트워크에서 GitHub 연동시 아래와 같이 proxy를 설정하면 해결됩니다. git config --global http.proxy http://proxyUsername:proxyPassword@proxy.server.com:port * 참고 : https://gist.github.com/evantoli/f8c23a37eb3558ab8765