윤제로의 제로베이스

R-CNN R-CNN에 대해 먼저 이해하자. R-CNN의 기본적인 구조는 2-stage Detector이다. 첫번째로는 물체의 위치를 찾는 Region Proposal, 물체를 분류하는 Region Classification이다. Region Proposal : 이미지와 레이블을 투입한 후 카테고리에 무관하게 영역을 찾는다. pre-trained CNN : proposal된 영역으로부터 고정된 크기의 feature vector를 wrapping, crop하여 CNN에 투입. SVM : CNN 결과로 나온 feature map을 SVM(Support Vector Machine)을 통해 분류 Regressor : bounding box regression 1. Region Proposal R-CNN은 이미지..

https://arxiv.org/abs/2001.05566 Image Segmentation Using Deep Learning: A Survey Image segmentation is a key topic in image processing and computer vision with applications such as scene understanding, medical image analysis, robotic perception, video surveillance, augmented reality, and image compression, among many others. Various al arxiv.org 3.4 Multi-Scale and Pyramid Network based Models ..

https://arxiv.org/abs/2001.05566 Image Segmentation Using Deep Learning: A Survey Image segmentation is a key topic in image processing and computer vision with applications such as scene understanding, medical image analysis, robotic perception, video surveillance, augmented reality, and image compression, among many others. Various al arxiv.org 3. DL-Based Image Segmentation models 3.1 Fully C..

지금껏 NeRF만 공부해왔었는데 NeRF를 연구 주제로 삼기엔 내가 아직 그정도의 흥미를 갖는 것 같지 않고, 목표성도 뚜렷하게 잡지 못해서 방황하던 차에 이번에 아예 정말 Deep Learning에 치중할 주제로 잡기로 했다. 여러 의미로 나한텐 큰 변화인데 이전에는 항상 Generative 모델만 해왔어서 이번 기회엔 Perception에 한 번 눈을 돌려보기로 했다. 돌아보면 GAN도 그렇고 VAE도 그렇고 NeRF도 그렇고 Generative에 너무 치중되어 있었던 것 같기도 하다. 사람이 너무 한 가지에만 몰두하면 거기에만 사묻히는 거 같은 생각도 들고 2년 동안 Generative 모델을 봐왔으니 다른 주제를 보더라도 새로운 감각이 샘솟지 않을까 하는 기대를 조금 해본다. 석사에 들어가기 전에..