| 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 |
- 군집
- RPN
- 적대적 생성 신경망
- Object Detection
- 이미지 초해상화
- Region Proposal Networks
- SRGAN
- Faster R-CNN
- 비지도학습
- K-means
- CV
- Fast R-CNN
- Clustering
- Deep Learning
- hierarchical clustering
- super-resolution
- GAN
- 군집화
- Today
- Total
목록CV 논문 리뷰 (6)
수혁지능
[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..
[논문리뷰] Faster R-CNN : Towards Real-Time Object Detection with Region Proposal Networks
Abstract 논문 출판 당시 object detection 분야에서의 SOTA 모델은 object의 위치를 가정하는 region proposal algorithm에 의존하였다. 대표적으로 SPPnet과 Fast R-CNN은 region proposal(RP = 영역추정) 계산을 사용하여 이러한 detection networks의 running time을 감소시켰다. 그러나 여전히 RP단계에서 bottleneck현상이 생긴다는 단점이 있었다. 본 논문에서는 RPN(Region Proposal Network)를 소개하는데, 이는 전체 이미지를 convolution 시킨 feature map을 공유하는 네트워크로 RP를 cost 부담없이 사용할 수 있고(nearly cost-free) fully convo..