namu.wiki논문 - 나무위키2고쳐쓰기' 순서로 진행된다. 대학 학부과정의 리포트랑 구성이 흡사하다. 한 마디로 대학의 리포트는 논문의 기초를 다지는 것이다. 주장 내용 선정하기 과정에서는 실제로 주관적이면서도 사회문화적 맥락속에서...개요설명통상적으로 적용되는 규칙형식분량공동연구 (Co-work)논문의 종류교육과정별 특징2024.05.24웹문서 검색 더보기송유근 논문 표절 사건 - 나무위키존 마크 램지어 위안부 논문 게재 논란/학문적 진실성 위반 - 나무위키
cafe.daum.net＊여성시대＊ 차분한 20대들의 알흠다운 공간돈 없고 나가기 귀찮고 교양 쌓고 싶을 때 전 논문 읽어요 로판논문 게이논문도 있다구요14출처 : 여성시대 극세사사 제목만 보고 도망가지마 제발 진짜 생각보다 재밌는 논문 개많단말야 돈 없고 책 읽기 싫을 때 침대에 누워서 재밌는거 보는 법 알려줌 일단 riss 들어가 아는 사람은 알겠지만 학술자료들 탑재되는 곳이야 요기요기가 아주 보물단지임 이렇게 내가 관심있는 키워드 검색하면 관련 논문들이...와 진짜 흥미돋…! 이따 읽어봐야지와 ㅋㅋㅋㅋㅋ 재밌겠다 고마워!ㅋㅋㅋ시간잘가겟다 고마워ㅐ대박 이렇게 다양하게... 신기하다 완전 흥미로워 고마워 ㅋㅋㅋㅋ나 전기가오리랑 리스 같이 시작했다… 양질의 출퇴근 시간 활용이다 진짜 고마워!!!!더보기2024.02.25카페 검색 더보기dalpo0814.tistory.comdeeep[논문 리뷰] LLaVA, LLaVA-1.520paper들이 조금씩 나오고 있답니다. 그 중 가장 많이 알려져있으며 활발히 연구 활동을 이어가고 있는 University of Wisconsin-Madison의 LLaVA, LLaVA 1.5 논문을 소개해드리려고 합니다. 일단 몇 개 샘플 먼저 확인해볼까요? 사용한 모델은 현재 LLaVA demo page 에서 확인할 수 있는 가장 최신 모델인 llava-v1.6...논문리뷰MultimodalLLaVAllava-1.5llava-nextvisual language modelchatgpt-4o2024.05.29블로그 검색 더보기[논문 리뷰] KnowAgent: Knowledge-Augmented Planning for LLM-Based Agentsv.daum.net경남도민일보영산대, 조리학회 학술대회 우수논문상 - 콘텐츠뷰총장 부구욱·와이즈유)는 외식경영학과 학부생들이 한국조리학회 춘계학술대회에서 우수논문상 2편, 장려상 2편 등 논문상 4개를 받았다고 30일 밝혔다. 영산대는 더 많은 학생이 전문성을 키워 역량을 인정받을...2024.05.30hyeon827.tistory.comData Science Study[X:AI] Taskonomy 논문 리뷰23Taskonomy: Disentangling Task Transfer Learning 논문 원본 : https://arxiv.org/abs/1804.08328 발표 자료 Taskonomy: Disentangling Task Transfer Learning Do visual tasks have a relationship, or are they unrelated? For instance, could having surface normals simplify estimating the depth of an image...2024.05.21[X:AI] Mask R-CNN 논문 리뷰[X:AI] EfficientNet 논문 리뷰aigaeddo.tistory.com이게또오류[논문 리뷰] Mask R-CNNInstance segmentationsegmentation기법에는 semetic segmentation과 Instance segmentation가 있습니다. sementic segmentation은 객체의 카테고리 자체를 구분하지만 객체의 Instance 자체는 구분하지 않습니다. Instance segmentation은 객체의 종류뿐만 아니라 Instance까지 구분합니다. 예를들어 sementic segmentation은 cube 3개를 하나로 묶어 segmentation하지만 instance segmentation은 같은 종류의 cube라도 각각의 객체로 분Mask R-CNNMask R-CNN은 Object instance segmentation task에 일반적으로 사용한다고 합니다. 메인 아이디어는 Faster R-CNN에 segmentation mask를 예측하는 mask branch를 추가한 것입니다. 이로서 Faster R-CNN의 바운딩 박스 단위의 디텍팅을 좀 더 정교하게 fixel 단위로 잘라 객체를 탐지합니다.1. Mask branch아래 그림은 Faster R-CNN의 구조입니다. 다시 간단히 Faster R-CNN 구조에 대해 되짚어보자면 원본 이미지를 받아 pre-trained 모델을 거쳐 feature map을 생성합니다. 해당 feature map은 3x3 conv 층을 거친 후 1x1 conv층을 거쳐 각 classifiaction에 훈련될 feature map과 bounding box regressor에 훈련될 feature map으로 나누고 Region proposal를 진행합니다. 이 region proposal은 ROI pooling되어 Fas2. RoIAlign기존 Faster R-CNN에서의 RoIPooling에서의 동작을 보면 CNN을 통과한 feature map에서 sub-samping ratio 된 region을 projection해주고 얻어낸 RoI를 Pooling해줘 원하는 크기의 feature map을 얻어냅니다. 아래의 그림에서 보면 16x16 feature map에 200x145의 region을 뽑아내고 sub -sampling ratio을 32로 줘서 4.53, 6.25로 만들어 주었습니다. 다만 1픽셀 단위에서 소수점은 픽셀 이하 값이므로 분할이 불가해 4.53, 6.3. Loss FunctionFaster R-CNN과 동일하게 Multi-task loss형태입니다. 다만 Lmask 로스가 추가되었습니다. Lmask는 binary cross entropy loss입니다. feature map의 각 cell에 sigmoid function을 적용한 후 loss를 구합니다. 여기서 softmax 가 아닌 sigmoid를 적용한 이유는 Lcls에서 객체의 종류에 대해 loss를 진행하고 분류하기 때문에 mask에서는 객체의 유무에 대한 이진분류만 처리하면 되기 때문입니다.4. Backbone networkMask R-CNN은 Backbone으로 ResNet-FPN 모델를 사용했습니다.5. Training Mask R-CNN전체적인 구조는 Faster R-CNN을 기반으로 합니다. 하지만 FPN이 추가되었고 이미지, feature map에 대한 전처리, 후처리를 진행한다고 합니다. 1) input image preprocessing 이미지에 대한 전처리입니다. target size의 디폴트값은 800, maximum size 는 1333 입니다. 원본이미지의 width, height 중 짧은 쪽이 target size로 resize되고 큰 사이즈는 ratio rate로 조절됩니다. 만약 긴쪽이 maximun size보다 큰 경우 maximun size7. 결과RseNeXt-101-FPN을 backbone network로 사용하고, COCO 데이터셋을 학습에 사용하면서 AP값이 37.1까지 보였다고 합니다. 이는 당시 성능이 가장 좋았던 ResNet-101-C5-dilated backbone을 사용한 FCIS+++ +OHEM 모델보다 2.5%가 더 높은 결과입니다.25segmentation기법에는 semetic segmentation과 Instance segmentation가 있습니다. sementic segmentation은 객체의 카테고리 자체를 구분하지만 객체의 Instance 자체는 구분하지 않습니다. Instance segmentation은 객체의 종류뿐만 아니라 Instance까지 구분합니다. 예를들어 sementic segmentation은 cube 3개를 하나로 묶어 segmentation하지만 instance segmentation은 같은 종류의 cube라도 각각의 객체로 분2024.05.13[논문 리뷰] Faster R-CNN[논문 리뷰] Fast R-CNN통합웹 더보기
논문 한 편이 한 끼 백반값?
연구자들에게 3개월의 시간을 선물해 주세요
세상을 빛내줄 보물을 찾습니다✨💎
