전체 글56 [논문 리뷰] Domain-Adversarial Training of Neural Networks 0. Abstract - 생략 1. Introduction - Domain adaptation(DA)란, Source domain에서 Target domain으로 mapping해주는 shift가 존재 할때 discriminative classifier나 다른 predictor를 학습하는 것을 말한다. - 이러한 shift를해주는 mapping이 존재하기 때문에 source domain 배운 classifier로 target domain에 적용할 수 있게 된다. - 기존의 paper에서는 domain adaptation이 fixed한 feature에서 일을 수행한다고 말한다. (이게 무슨 소리냐면, 우리가 source에서 배우는 feature가 원하는 target domain에서의 변환이 가능하게 하기 위.. 2022. 2. 26. [논문 리뷰]DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution 0. Abstract - 생략 1. INTRODUCTION - 기존의 DCNNs(Deep Convolutional Neural Networks)은 CNN의 특성인 invariance(maxpooling, softmax 등을 거치면 위치에 대한 정확한 정보가 사라짐) 덕분에 abstract data 에 대해 배울 수 있게 되어 classification task의 성능이 좋게 됨. -그러나 이러한 invariance의 특성은 spatial information을 abstract하게 만들고, dense prediction tasks- 정확한 예측을 위한 일들(e.g. semantic segmentation)에는 악영향(hamper)를 끼치게 됨. * Three challenges in application .. 2022. 2. 24. FOV(Field of View) : Field of view의 약자로 말 그대로 시야 이다. 센서의 크기와 렌즈 배율에 따라 FOV는 달라진다. 2022. 2. 20. RANSAC(Random Sample Consensus) * RANSAC : 무작위 하게 * SAMPLE : 데이터 샘플을 뽑아서 모델을 추정하고 * CONSENSUS : 모델에 대한 데이터의 합의도를 구해 정확한 모델임을 평가 * RANSAC을 하는 이유? * Inlier 데이터 : 기하학적으로나 통계적으로 올바른 데이터 * Outlier 데이터 - 기하학적으로나 통계적으로 잘못된 데이터 - 단순히 데이터만 봐서는 inlier/outlier 구분하기 어려움 - model parameter를 정확하게 계산하기 위해서는 Inlier 데이터만 사용해야함 -> Inlier 데이터로만 model parameter 계산하면 좋은 모델 파라미터가 나온다 -> Outlier 데이터를 포함해서 model parameter를 계산하면 잘못된 모델 파라미터가 나옴 * Outli.. 2022. 2. 20. 이전 1 ··· 9 10 11 12 13 14 다음
