딥러닝관련94 Selective Search 간단히 정리.. Selective Search - 기존의 exhaustive search의 방식의 비효율성으로 "object가 있을 법한 영역만 찾는 방법"이 제안됨 - 이를 region proposal - 이 후 detector는 1) generic detector로 candidate objects 영역을 찾기 위해 exhaustive search를 진행하고 (region proposal) 2) 이 candidate object에 대해 인식 알고리즘을 실행한다. - 그러나 이 방법도 해결해야될 점이 있다. → object들이 각기 다른 shape을 가지고 있다면 windows로 scan하여 region proposal 하는 것이 옳은 방법일까? (고정된 window 사이즈는 각기 다른 object의 size나 shap.. 2021. 12. 4. Rich feature hierarchies for accurate object detection and semantic segmentation (R-CNN) 정리 ABSTRACT R-CNN에서는 두 가지 중요한 점을 이용 (1) object를 localize 하고 segment 하기 위해 bottom-up region proposals에 CNN을 적용 (2) Labeled training data가 부족한 경우, auxiliary task에 supervised pre-training 및 domain별 fine-tuning이 상당한 성능 향상을 가져온다. Region Proposal을 CNN과 결합하기 때문에 R-CNN이라고 함. Introduction 2012년에 ImageNet challenge에서 CNN이 좋은 성적을 보인 이후 ImageNet challenge의 CNN의 classification 결과가 PASCAL VOC Challenge의 object d.. 2021. 11. 30. 병변 검출 AI 검진대회 기록 (비공개) 보호되어 있는 글 입니다. 2021. 11. 29. Swin Transformer Swin Transformer [기존 ViT 모델의 문제점] 1. Classification problem을 풀기 위한 모델로 제안 2. 이미지를 위한 특성이 ViT에 없음. 3. Token 수가 증가하면 연산량의 quadratic하게 증가 [Notation] 빨간 박스 : patch Local window 사이즈 : 4 (patch의 개수로 계산) Local window 개수 : 4 [Local Window] Local Window를 모델에 적용하였다. ViT와는 다르게 계층마다 다른 patch size를 적용 기존 ViT보다 더 적은 complexity [class] token을 사용하지 않는다. Method [1. patch merging] 해상도를 줄여주는 과정 [2. Swin Transforme.. 2021. 11. 25. 이전 1 ··· 6 7 8 9 10 11 12 ··· 24 다음
