티스토리

어쩌다보니 코딩하는 대학원생
검색하기

블로그 홈

어쩌다보니 코딩하는 대학원생

haystar.tistory.com/m

처량한 대학원생의 안쓰런 몸부림

구독자
17
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.
  • 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.
  • [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.
  • [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.
  • [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.
  • [논문 정리] Dual Cross-Attention Learning for Fine-Grained Visual Categorization andObject Re-Identification 보호되어 있는 글입니다. 공감수 0 댓글수 0 2023. 2. 28.
  • [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.
  • [논문 정리] HiFuse: Hierarchical Multi-Scale Feature Fusion Network for Medical Image Classification 논문정보 HiFuse: Hierarchical Multi-Scale Feature Fusion Network for Medical Image Classification HiFuse: Hierarchical Multi-Scale Feature Fusion Network for Medical Image Classification Medical image classification has developed rapidly under the impetus of the convolutional neural network (CNN). Due to the fixed size of the receptive field of the convolution kernel, it is difficult to capture the .. 공감수 0 댓글수 2 2023. 2. 3.
  • [논문 정리] MetaFormer : A Unified Meta Framework for Fine-Grained Recognition 논문정보 MetaFormer : A Unified Meta Framework for Fine-Grained Recognition MetaFormer: A Unified Meta Framework for Fine-Grained Recognition Fine-Grained Visual Classification(FGVC) is the task that requires recognizing the objects belonging to multiple subordinate categories of a super-category. Recent state-of-the-art methods usually design sophisticated learning pipelines to tackle this task arx.. 공감수 0 댓글수 0 2023. 1. 23.
  • [논문 정리] ResNeSt : Split-Attention Networks 논문정보 ResNeSt : Split-Attention Networks ResNeSt: Split-Attention Networks It is well known that featuremap attention and multi-path representation are important for visual recognition. In this paper, we present a modularized architecture, which applies the channel-wise attention on different network branches to leverage their su arxiv.org GitHub - zhanghang1989/ResNeSt: ResNeSt: Split-Attention .. 공감수 0 댓글수 0 2023. 1. 6.
  • [논문 정리] Multimodal Ground-Based Cloud Classification Using Joint Fusion Convolutional Neural Network 논문정보 Multimodal Ground-Based Cloud Classification Using Joint Fusion Convolutional Neural Network Multimodal Ground-Based Cloud Classification Using Joint Fusion Convolutional Neural Network The accurate ground-based cloud classification is a challenging task and still under development. The most current methods are limited to only taking the cloud visual features into consideration, which is no.. 공감수 0 댓글수 1 2023. 1. 1.
  • [논문 정리] Voting in Transfer Learning System for Ground-Based Cloud Classification 논문정보 Voting in Transfer Learning System for Ground-Based Cloud Classification Voting in Transfer Learning System for Ground-Based Cloud Classification Cloud classification is a great challenge in meteorological research. The different types of clouds, currently known and present in our skies, can produce radioactive effects that impact the variation of atmospheric conditions, with consequent str.. 공감수 0 댓글수 0 2022. 12. 29.
  • [논문 정리] Hierarchical Multimodal Fusion for Ground Based Cloud Classification in Weather Station Networks Hierarchical Multimodal Fusion for Ground Based Cloud Classification in Weather Station Networks Hierarchical Multimodal Fusion for Ground-Based Cloud Classification in Weather Station Networks Recently, the multimodal information is taken into consideration for ground-based cloud classification in weather station networks, but intrinsic correlations between the multimodal information and the vi.. 공감수 1 댓글수 0 2022. 12. 28.
  • [논문 정리] Classification of Ground-Based Cloud Images by Improved Combined Convolutional Network 논문정보 Classification of Ground-Based Cloud Images by Improved Combined Convolutional Network Classification of Ground-Based Cloud Images by Improved Combined Convolutional Network Changes in clouds can affect the outpower of photovoltaics (PVs). Ground-based cloud images classification is an important prerequisite for PV power prediction. Due to the intra-class difference and inter-class similari.. 공감수 0 댓글수 0 2022. 12. 27.
  • [논문 정리] ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks 논문정보 ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks Recently, channel attention mechanism has demonstrated to offer great potential in improving the performance of deep convolutional neural networks (CNNs). However, most existing methods dedicate to developing more sophisticated attention mod.. 공감수 0 댓글수 0 2022. 12. 24.
  • [논문 정리] An image is worth 16x16 words : Transformers for image recognition 논문정보 An image is worth 16x16 words :Transformers for image recognition An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale While the Transformer architecture has become the de-facto standard for natural language processing tasks, its applications to computer vision remain limited. In vision, attention is either applied in conjunction with convolutional networks, or used to.. 공감수 0 댓글수 1 2022. 12. 17.
  • [논문정리] TransFG : A Transformer Architecture for Fine-Grained Recognition 논문정보 TransFG : A Transformer Architecture for Fine-Grained Recognition TransFG: A Transformer Architecture for Fine-grained Recognition Fine-grained visual classification (FGVC) which aims at recognizing objects from subcategories is a very challenging task due to the inherently subtle inter-class differences. Most existing works mainly tackle this problem by reusing the backbone network t arxiv.. 공감수 0 댓글수 0 2022. 11. 10.
  • [논문정리] A Novel Plug-in Module for Fine-Grained Visual Classification 논문정보 A Novel Plug-in Module for Fine-Grained Visual Classification A Novel Plug-in Module for Fine-Grained Visual Classification Visual classification can be divided into coarse-grained and fine-grained classification. Coarse-grained classification represents categories with a large degree of dissimilarity, such as the classification of cats and dogs, while fine-grained classificati arxiv.org 논문.. 공감수 0 댓글수 0 2022. 10. 20.
  • [논문정리] Disentangling Label Distribution for Long-tailed Visual Recognition 논문정보 Disentangling Label Distribution for Long-tailed Visual Recognition 논문정리 Abstract 롱데일 이미지 인식에서 많은 연구들이 분류 모델을 훈련할때는 롱테일 분포를 가진 소스 데이터로 하고, 평가는 균일한 분포를 가진 테스트 데이터로 수행한다. 하지만 테스트 분포가 롱테일일 수도 있기 때문에 이런 방법은 실용성이 의심스럽다. 따라서, 본 연구진은 롱테일 이미지 인식을 소스와 타겟 레이블 분포가 다른 label shift problem이라 정함 label shift 문제에서 많은 장애물 중 하나는 소스 라벨 분포와 모델 예측간의 entanglement 이기 때문에 이 둘 간의 관계를 disenstangling 하는 것에 초점을 두었다. 먼저.. 공감수 1 댓글수 1 2022. 9. 23.
  • [논문정리] Multi-Evidence and Multi-Modal Fusion Network for Ground-Based Cloud Recognition 논문정보 Multi-Evidence and Multi-Modal Fusion Network for Ground-Based Cloud Recognition 논문정리 Abstract 많은 딥러닝 네트워크가 ground-based 구름 영상분류에 쓰였음 하지만 여태까지는 이미지에서 얻어지는 글로벌특징에 주심을 두어서 구름에 대해 완벽하지 않은 표현을 얻었음 이 논문에선 MMFN (Multi evidence and Multi-modal Fusion Network)를 제안하여 하나의 통합된 프레임워크에 여러 종류의 특징들을 융합하여 확장된 구름 정보를 학습함 즉, MMFN은 메인네트워크와 주의 네트워크로 여러개의 evidence(global and local visual features)을 이용한다. main n.. 공감수 0 댓글수 0 2022. 9. 10.
  • [논문정리] Deep Long-Tailed Learning : A Survey 논문정보 Deep Long-Tailed Learning : A Survey 논문정리 Abstract 그냥 long tailed data에 대한 설명과 어떤 문제가 있는지, 그리고 알고리즘들을 어떤 부류로 나눴는지에 대한 얘기다. long-tailed 이란? 소수의 클래스가 데이터의 대부분을 차지하고 나머지 클래스는 데이터가 부족한 경우 데이터에 이렇게 불균형이 생기면 샘플수가 많은 쪽으로 편향이 생기고 적은 쪽에 대한 성능이 현저히 떨어지게 된다. 이를 처리하기 위해 여러 연구가 진행되었는데 본 논문에선 이를 세 그룹으로 나누었음 class re-balancing information augmentation module improvement 또한, 새로운 평가척도인 relative accuracy를 제안.. 공감수 7 댓글수 0 2022. 7. 6.
  • [논문정리] Class-Balanced Loss Based on Effective Number of Samples 구름 운형을 분류하는 딥러닝 모델을 만들고 있는데, 수집된 데이터의 샘플 불균형이 너무 심한 탓인지 테스트 셋에 대한 결과가 좋지 않았다. 이에 대해서 업샘플링을 진행할까 해봤는데 해당 논문이 도움이 될 것 같아 읽어보기로 하였다. 정리된 것도 많고 구현된 코드도 있어서 good 논문정보 Class-Balanced Loss Based on Effective Number of Samples 논문정리 Abstract 대용량의 데이터셋이 빠르게 증가하게 되면서, long-tailed 데이터 분포 문제를 해결하는 것이 중요해졌다. long-tailed 이란? 소수의 클래스가 데이터의 대부분을 차지하고 나머지 클래스는 데이터가 부족한 경우 기존의 해결책은 re-sampling, re-weighting같은 전형적인.. 공감수 1 댓글수 1 2022. 6. 13.
  • [논문정리] CoAtNet : Marrying Convolution and Attention for All Data Sizes 논문정보 CoAtNet : Marrying Convolution and Attention for All Data Sizes 논문정리 Abstract 트랜스포머로 인해 컴퓨터 비전에 대한 관심이 높아졌지만, SOTA 컨볼루션망에 비해서는 뒤쳐지고 있다. 이 연구에서는 트랜스포머가 더 큰 모델 용량을 갖지만 편향을 올바르게 유도하지 못해 일반화 능력이 컨볼루션 네트워크에 비해 떨어진다. 두 아키텍쳐의 장점을 효과적으로 결합하기 위한 하이브리드 모델 CoAtNets을 제안 depthwise Convolution와 self-Attention은 단순한 relative attention을 통해 결합 수직으로 컨볼루션층과 어텐션층을 쌓아 일반화, 용량, 효율성 대폭 개선 이때 일반화(generalization)는 t.. 공감수 1 댓글수 0 2022. 5. 11.
  • [논문정리] Attention is all you need 대학원 수업은 이렇게 논문 발표도 하는구나...... 어떤 논문을 발표할지 걱정스럽게 기다리다가 내가 들어본 논문이 나와서 바로 겟-토☆★ 이런거에 신나는 내가 싫다.. 이번에 공부해 볼 논문은 Attention is all you need! 정말 정말 유명한 논문이다. 감히 자연어처리의 한 획을 그엇다고 할 수 있는............ 시작해보자고~! Transformer 논문리뷰 (Attention Is All You Need, NIPS 2017) (velog.io) ◀ 여기 있는 자료를 많이 참고하였음 논문정보 Attention is all you need 논문정리 Abstract 지배적인 시퀀스 변환 모델은 인코더와 디코더를 포함하는 복잡한 RNN/CNN 모델을 기반으로 한다. 뛰어난 성능을 가.. 공감수 0 댓글수 0 2022. 4. 20.
  • [PPT] Context Encoder 발표자료 공감수 0 댓글수 0 2022. 4. 15.
  • [논문정리] Context Encoder : Feature Learning by Inpainting 빈 공간을 주변에 맞게 자연스럽게 채워주는 딥러닝 기술. 갤럭시 기능중에 AI지우개가 있는데 비슷한 원리 아닐까 싶음 객체를 선택해서 빈공간으로 만들고 Context Encoder로 빈공간을 채우는...? 이 논문은 잘 정리된게 많아서 참고자료가 풍부해 안심이다. 괜찮은 정리본들도 아래 게시물에 정리해놨다. 이렇게 능력자들이 자료를 공유해주니 나같은 초짜들이 살아갈만하다. Context Encoders 논문 정리 [고문서복원]Context Encoder 논문리딩 - LAB CONTEXT [고문서복원]Context Encoder 논문리딩 Intro labcontext.github.io Context Encoders를 활용한 배경 채우기(1) - Forte (hyungjobyun.github.io) Cont.. 공감수 1 댓글수 0 2022. 3. 21.
  • GloVe 논문 ppt 정리 논문 발표를 위해 ppt로 정리한 부분이 나중에 볼때 도움 될 것 같아 업로드한다. 나는 , 을 맡았고 그 외 part는 다른 팀원분들이 제작하였기 때문에 내가 만든 부분만 올리겠다. 공감수 1 댓글수 0 2021. 8. 2.
  • Glove : Global Vectors for Word Representation 리뷰 이번 논문은 영어 논문이라 빠르게 읽고 요약하는 것이 힘들 것 같아 천천히 해석하면서 공부해보려고 한다. Glove 라는 모델의 설명인 것 같다. 12페이지 분량의 논문이다. ㅠㅠ 시작해보자 화이팅. GloVe 논문 ppt 정리 논문 발표를 위해 ppt로 정리한 부분이 나중에 볼때 도움 될 것 같아 업로드한다. 나는 , 을 맡았고 그 외 part는 다른 팀원분들이 제작하였기 때문에 내가 만든 부분만 올리겠다. haystar.tistory.com 논문정보 Glove : Global Vectors for Word Representation 논문정리 Abstract 이때까지, 최신 연구들에서 의미와 구문 규칙을 파악하는 것은 성공했지만, 그 규칙에 대한 origin은 불분명하다. 이 논문은 이런 규칙이 단어 .. 공감수 0 댓글수 0 2021. 7. 28.
  • 문서 주제에 따른 문장 생성을 위한 LSTM 기반 언어 학습 모델 논문정보 김다해, 이지형. (2016). 문서 주제에 따른 문장 생성을 위한 LSTM 기반 언어 학습 모델. 한국컴퓨터정보학회 학술발표논문집 , 24(2), 17-20. 논문요약 대부분의 언어 모델들은 텍스트에 나타나는 단어들의 일반적인 패턴을 학습하는 것을 기반으로 하기 때문에, 고도화된 자연어의 이해를 필요로 하는 연구들의 경우 주어진 텍스트의 주제 및 의미를 고려하기에 한계점이 있다. 따라서 LSTM 모델을 변형하여 문서 주제와 해당 주제에서 단어가 가지는 문맥적인 의미를 단어 벡터 표현에 반영할 수 있는 새로운 언어 학습모델을 제안하고 본 제안 모델이 문서의 주제를 고려하여 문장을 자동으로 생성할 수 있음을 보이고자 한다. 개요 단어들의 일반적인 패턴을 학습하는 대부분의 언어 학습 모델은, 문서 .. 공감수 0 댓글수 0 2021. 7. 26.
  • 도메인 정보가 강화된 워드 임베딩을 사용한 한국어 텍스트 생성 논문정보 임미영, 강신재. (2019). 도메인 정보가 강화된 워드 임베딩을 사용한 한국어 텍스트 생성. 한국지능시스템학회 논문지, 29(2), 142-147. 논문요약 최근 RNN이 언어 모델링에서 두각을 나타내고 있다. 정형화된 텍스트 뿐만 아닌 소설,수필과 같은 창의적인 텍스트 생성을 위한 시스템에도 쓰임. 다만 한국어 연구는 부족한데, 영어보다 어휘의 쓰임새나 형변환이 다양하기 때문. 따라서, 도메인 정보가 강화된 워드 임베딩을 이용하여 한국어 텍스트 생성 모델을 구축하였다. 기존연구 언어모델이란 말뭉치에 출현한 단어 열에 대한 확률 분포 n-1개의 단어가 주어졌을때 말뭉치에서 단어 열이 나타날 확률을 할당하여 가장 높은 확률을 가지는 단어를 생성 (데이터에 민감함 => 대화말뭉치, 학술분야 말뭉.. 공감수 0 댓글수 0 2021. 7. 26.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.