티스토리
관련 서비스
  • Symbols스토리 홈바로가기바로가기
  • 브런치브런치스토리바로가기바로가기
  • 카카오스토리카카오스토리바로가기바로가기

어쩌다보니 코딩하는 대학원생
검색하기
블로그 홈

블로그 홈

어쩌다보니 코딩하는 대학원생

haystar.tistory.com/m

처량한 대학원생의 안쓰런 몸부림

구독자
18
방명록 방문하기
공지 개발공부 모두보기

주요 글 목록

  • [논문 정리] Delving into Multimodal Prompting for Fine-grained Visual Classification 논문정보Delving into Multimodal Prompting for Fine-grained Visual Classification Delving into Multimodal Prompting for Fine-grained Visual ClassificationFine-grained visual classification (FGVC) involves categorizing fine subdivisions within a broader category, which poses challenges due to subtle inter-class discrepancies and large intra-class variations. However, prevailing approaches primarily fo.. 공감수 1 댓글수 0 2024. 8. 22.
  • error: unrecognized arguments: 주피터에서 아래 코드를 실행하면 오류 생김args = parser.parse_args() 이렇게 바꾸삼args, unknown = parser.parse_known_args() 공감수 0 댓글수 0 2024. 6. 13.
  • 에러 ) The kernel appears to have died. It will restart automatically. 에러 The kernel appears to have died. It will restart automatically. 주피터노트북에서 matplotlib을 이용하여 시각화할 때 커널이 죽는 현상 plt.imshow(heatmap, cmap='hot') 해결 아래 코드만 한번 실행해주면 된다. import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" 이제 다시 matplotlib 라이브러리를 이용하여 시각화해보면 잘 나옴 매번 저렇게 입력하기 귀찮으면 시스템 환경변수에 들어가서 사용자변수와 시스템 변수에 아래와 같이 설정하면 매번 위의 코드를 실행하지 않아도 된다. KMP_DUPLICATE_LIB_OK TRUE 해결! 공감수 2 댓글수 0 2024. 4. 15.
  • 한 장으로 정리한 Diffusion model 원리 드디어 diffusion의 원리를 겉핥기정도라도 이해해보았다. 아직 공부자료가 많이 없어서 힘들었고 이렇게까지 확률을 파고든적이 있었나 싶다... 그리고 이건 그중에서도 정말정말 도움이 많이 되었던 유튜브 강의다. YouTube 위 교수님 덕분에 diffusion 모델을 차근차근 따라가며 이해할 수 있었다. 정말정말 감사합니다. 나처럼 원초적인 이해부터 필요한 사람들도 있겠다 싶어 diffusion모델을 공부하며 정리했던걸 공유하고자 한다.... $q(x_t|x_0)$의 직관적인 개념부터 하나하나 정리해놓았다. A4용지 한면 분량이 나왔는데 대부분의 개념은 위 교수님강의로부터 얻었고, gpt와 구글을 가스라이팅해서 내가 이해한 내용까지 최대한 많이 담으려고 노력했다. 저도 공부하는 처지라 잘못된 내용이 .. 공감수 6 댓글수 0 2024. 3. 25.
  • Distract your attention: Multi-head cross attention network for facial expression recognition 논문정보 Distract your attention: Multi-head cross attention network for facial expression recognition Distract Your Attention: Multi-head Cross Attention Network for Facial Expression Recognition We present a novel facial expression recognition network, called Distract your Attention Network (DAN). Our method is based on two key observations. Firstly, multiple classes share inherently similar under.. 공감수 0 댓글수 1 2023. 10. 17.
  • Pycharm 단축키 바로 다음줄 shift enter 다중키보드 커서 주르륵 alt shift 드래그 or alt 클릭 에러문장으로 이동 f2 함수정의 ctrl b 해당라인 줄바꾸기 alt shift 위/아래 변수 생성 위치 찾기 ctrl 클릭 모든 파일에서 찾기 ctrl shift f 공감수 0 댓글수 0 2023. 9. 6.
  • [논문 정리] Learning enhanced features and inferring twice for fine-grained image classification 논문정보 Learning enhanced features and inferring twice for fine-grained image classification X-MOL www.x-mol.net GitHub - boxyao/Forcing-Network Contribute to boxyao/Forcing-Network development by creating an account on GitHub. github.com 논문정리 Abstract FGVC는 비슷한 같은 카테고리에 속하는 데이터들의 하위 카테고리를 구별하는 것을 목표로 한다. 현재 연구는 FGVC에서 차별성있는 특징이 중요하다는 것을 입증했지만, 그 외 특징들 또한 올바른 분류에 기여할 수 있다는 것을 간과하였으며, 추출된 특징들은 미묘한 영.. 공감수 0 댓글수 0 2023. 8. 31.
  • explainable swin transformer 관련 자료 정리 understand how visualization of herbs works success visualizaing attention map in vit understand what do each feature maps in swin transformer stand for (and also in vit) Applied Sciences | Free Full-Text | Swin Transformer-Based Object Detection Model Using Explainable Meta-Learning Mining (mdpi.com) Swin Transformer-Based Object Detection Model Using Explainable Meta-Learning Mining In order t.. 공감수 0 댓글수 0 2023. 6. 4.
  • [논문 정리] Fine-grained Visual Classification with High-temperature Refinement and Background Suppression 논문정보 Fine-grained Visual Classification with High-temperature Refinement and Background Suppression Fine-grained Visual Classification with High-temperature Refinement and Background Suppression Fine-grained visual classification is a challenging task due to the high similarity between categories and distinct differences among data within one single category. To address the challenges, previous .. 공감수 0 댓글수 0 2023. 5. 26.
  • 2023-05-01~2023-05-05 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 4. 29.
  • Drawing CAM CAM을 그리는 코드인데 bakward함수가 없어서 내 문제 해결할 수 있을 것 같음 (test시에 gradient를 계산해야 하는 상황.. torch.no_grad를 써야 gpu메모리 문제없이 학습가능해서) cam def cam(model, cam_topk=1, images=None, labels=None, truncate=False, shift=0.0): if images is not None: _ = model.forward(images) if labels is None: _, labels = torch.topk( model.pred, k=cam_topk, dim=1, largest=True, sorted=True) labels = labels[:, [cam_topk-1]] labels = labe.. 공감수 1 댓글수 0 2023. 4. 25.
  • Extract bounding box from cam GitHub - won-bae/rethinkingCAM: Official implementation of Rethinking Class Activation Mapping for Weakly Supervised Object Loca Official implementation of Rethinking Class Activation Mapping for Weakly Supervised Object Localization (ECCV 2020) - GitHub - won-bae/rethinkingCAM: Official implementation of Rethinking Class Ac... github.com github 코드에서 cam으로부터 bounding box를 추출하는 부분을 따왔다. 예상은 했다만 코.. 공감수 0 댓글수 0 2023. 4. 25.
  • [논문 정리] Object-Part Attention Model for Fine-grained Image Classification 논문정보 Object-Part Attention Model for Fine-grained Image Classification Object-Part Attention Model for Fine-grained Image Classification Fine-grained image classification is to recognize hundreds of subcategories belonging to the same basic-level category, such as 200 subcategories belonging to the bird, which is highly challenging due to large variance in the same subcategory and small var arxi.. 공감수 0 댓글수 0 2023. 4. 18.
  • [python] heatmap - gradcam 모델의 activation visualization 부분을 분석해보자. simple_grad_cam def simple_grad_cam(features, classifier, target_class): """ calculate gradient map. """ features = nn.Parameter(features) logits = torch.matmul(features, classifier) logits[0, :, :, target_class].sum().backward() features_grad = features.grad[0].sum(0).sum(0).unsqueeze(0).unsqueeze(0) gramcam = F.relu(features_grad * features[0]) gramcam =.. 공감수 0 댓글수 0 2023. 4. 11.
  • 2023-03-27~2023-03-31 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 28.
  • WeaklySelector 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 23.
  • FPN 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 22.
  • GCN combiner 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 22.
  • 2023-03-20~2023-03-24 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 21.
  • 2023-03-13~2023-03-17 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 15.
  • 2023-03-06~2023-03-10 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 7.
  • cbam 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 3. 1.
  • [논문 정리] Dual Cross-Attention Learning for Fine-Grained Visual Categorization andObject Re-Identification 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 28.
  • MTL defense 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 25.
  • Voluming up model architecture 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 24.
  • Customizing loss function (2) 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 24.
  • Customizing loss function 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 23.
  • Building networks 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 22.
  • key : image, query : meta_info 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 22.
  • [논문 정리] What Makes Training Multi-modal Classification Networks Hard? 논문정보 What Makes Training Multi-modal Classification Networks Hard? What Makes Training Multi-Modal Classification Networks Hard? Consider end-to-end training of a multi-modal vs. a single-modal network on a task with multiple input modalities: the multi-modal network receives more information, so it should match or outperform its single-modal counterpart. In our experiments, however arxiv.org - .. 공감수 0 댓글수 0 2023. 2. 7.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.