KUBIG 2022-2 활동 블로그

1. ABSTRACT We propose a new framework for estimating generative models via an adversar-ial process, in which we simultaneously train two models: a generative model G that captures the data distribution, and a discriminative model D that estimates the probability that a sample came from the training data rather than G. The training procedure for G is to maximize the probability of D making a mis..

심화 스터디/CV 논문 리뷰 2022. 9. 28. 13:02

들어가기 2014년 Google Brain의 Ian Goodfellow가 NIPS에서 발표한 Generative Adversarial Nets을 통해 생성 모델링의 개념이 처음 도입되었다. 딥러닝의 아버지인 얀 르쿤 교수는 이를 가리켜 최신 10년 동안 가장 혁신적인 아이디어라고 밝혔다. 해당 논문이 발간된 이후, 엄청나게 많은 양의 GAN 관련 모델이 쏟아져 나오기 시작하는데, 모든 최신 생성모델들이 뿌리를 두고 있는 Generative Adversarial Nets 논문을 리뷰해보도록 하자. 0. Abstract 본 논문에서는 두 개의 모델을 적대적(adversarial)으로 동시에 학습시키는 생성모델(generative model)을 제안한다. 생성자 모델 (G, a generative model)..

심화 스터디/CV 논문 리뷰 2022. 9. 26. 03:01

1.Introduction Ciresan과 그의 동료들은 픽셀의 local region(patch)을 주어 window sliding 방식으로 학습을 시키는 network를 구축한다. 이 network은 ISBI 2012, EM segmentation challenge에서 우승하는 쾌거를 이루는데 해당 논문에서는 당시 SOTA 모델의 단점과 이에 대한 개선점을 제시하며 U-Net을 제안한다. 1) First, it is quite slow because the network must be run separately for each patch, and there is a lot of redundancy due to overlapping patches. 각각의 patch에 대해 network가 개별적으로 학..

심화 스터디/CV 논문 리뷰 2022. 9. 22. 17:52

Abstract 기존까지 deep network들을 성공적으로 훈련시키려면 필연적으로 수천개 이상의 annotated된 training sample이 필요했음. 본 논문에서 제시하는 네트워크와 training 방법은 data augmentation에 focus를 하여 available한 annotated sample을 더 효과적으로 활용할 수 있게 하였음. U-Net은 context를 포착하는 contracting path와 정확한 localization을 위한 expanding path로 구성되어 있고, 이 두 path는 서로 symmetric.(localization = 이미지 안에서 bbox등을 사용하여 객체의 위치 정보를 출력해 주는 것(bbox에선 왼쪽 위, 오른쪽 아래 좌표 출력)) U-Net..

심화 스터디/CV 논문 리뷰 2022. 9. 22. 15:10

Fully Convolutional Networks for Semantic Segmentation Paper: Fully Convolutional Networks for Semantic Segmentation Convolutional networks are powerful visual models that yield hierarchies of features. We show that convolutional networks by themselves, trained end-to-end, pixels-to-pixels, exceed the state-of-the-art in semantic segmentation. Our key insight is to build arxiv.org Sementic Segme..

심화 스터디/CV 논문 리뷰 2022. 9. 22. 01:06

논문 : https://arxiv.org/abs/1505.04597 U-Net: Convolutional Networks for Biomedical Image Segmentation There is large consent that successful training of deep networks requires many thousand annotated training samples. In this paper, we present a network and training strategy that relies on the strong use of data augmentation to use the available annotated arxiv.org 0. Segmentation이란? Image Segme..

심화 스터디/CV 논문 리뷰 2022. 9. 22. 00:47

논문 요약 1) 한번만 본다!! 2)지금까지 있던 것들을 합쳤다!! 3)실시간으로 확인 가능하다!! 1. Introduction 기존의 Object Detection System은 Classifier 모델이 Detection 기능을 수행하도록 변형된 형태였다. DPM(Deformable Parts Models) Sliding Window R-CNN 기반 Region Proposal : Bounding Box가 있을 법한 위치를 제안 Classification : 해당 Bounding Box에 대한 Classification 수행 Box Regression : 후처리를 통해 bounding box 개선(refine, elimination,,,,) YOLO는 Object Detection을 single re..

심화 스터디/CV 논문 리뷰 2022. 9. 15. 20:05

You Only Look Once: Unified, Real-Time Object Detection 0. object detection 이란? 어떤 물체가 어디에 존재하는지(localization) 그리고 해당 물체가 어떤 물체인지 분류(classification)하는 두가지의 작업을 의미 Classification : Single object의 종류 (class, label이라고도 함) 가 무엇인지 구분하는 것 (*output : class probability) Localization : Single object의 위치를 Bounding box로 지정하여 찾는 것 (*output : (x,y,w,h) ) Object Detection : Multiple object의 위치를 위치를 Bounding..

심화 스터디/CV 논문 리뷰 2022. 9. 15. 19:10