Computer Vision4 [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. NMS( non-maximum-suppression) *비 최대 억제 (non maximum suppression) : computer vision tasks에서 많은 overlapping 된 entities들 중 하나의 entity를 선택하기 위한 알고리즘 과정 step1) 가장 높은 confidence score를 가지고 있는 prediction S를 선택 한 후 P라는 목록에서 제거한 후 이것을 final prediction 리스트(keep)에 더한다. 2) 그리고 keep에 있는 prediction S를 P에 있는 모든 predictions과 비교한다(IOU 이용). 만약 IOU가 thresh_iou 보다 높은 값들이 있으면, P에서 제거한다. step 3) P에서 여전히 남아있는 예측 값이 있으면, step1으로 돌아가서 다시 진행하고, 그렇지 않.. 2022. 2. 20. 이전 1 다음
