| 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 |
- Deep Learning
- 군집화
- CV
- 이미지 초해상화
- Region Proposal Networks
- 적대적 생성 신경망
- RPN
- K-means
- Clustering
- 군집
- 비지도학습
- Object Detection
- Faster R-CNN
- super-resolution
- hierarchical clustering
- SRGAN
- GAN
- Fast R-CNN
- Today
- Total
목록CV 논문 리뷰/Image Resolution (2)
수혁지능
[논문리뷰] SwinIR: Image Restoration Using Swin Transformer
Abstract Image restoration은 오랫동안 지속되어온 low-level vision problem으로서, low-quality images로부터 high-quality images를 복원해내는 작업이다. SOTA 모델이 CNN-based인 상황에서, high-level vision task에서 impressive한 performance를 보여주던 Transformer를 Image restoration에 적용해보려는 시도가 있었다. 이 논문에서는, Swin Transformer를 기반으로 한 image restoration 방식인 SwinIR을 제안한다. SwinIR은 크게 3가지 파트로 나뉜다. Shallow feature extraction Deep feature extraction s..
[논문리뷰] Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network(SRGAN)
What is GAN(Generative Adversarial Network, 적대적 생성 신경망)? 생성 모델(주어진 데이터를 학습하여 데이터 분포를 따르는 유사한 데이터를 생성하는 모델)의 한 유형이자 비지도학습의 대표주자 확률 변수 p(x)에 대한 정의 없이 p(x)를 샘플링하여 사용하는 방법 최대한 진짜와 비슷한 데이터를 생성하려는 생성자(Generator)와 진짜와 가짜를 구별하는 판별자(Discriminator) 각각 존재 GAN의 학습과정 : 판별자를 먼저 학습시킨 후 생성자를 학습시키는 과정 반복 판별자 실제 이미지를 입력해서 네트워크가 해당 이미지를 "진짜"로 분류하도록 학습 생성자가 생성한 모조 이미지를 입력해서 해당 이미지를 "가짜"로 분류하도록 학습 >> 실제 이미지를 "진짜"로 분..