데싸(Data Science) 노트

논문명 - An Image Is Worth 16x16 Words: Transformers For Image Recognition At Scale 게재 일자 - 2021년 6월 3일 URL 링크 - https://arxiv.org/pdf/2010.11929.pdf Abstract 1. Introduction 2. Related Work 3. Method 3.1. Vision Transformer (ViT) 3.2. Fine-Tuning and Higher Resolution 4. Experiments 4.1. Setup 4.2. Comparison to State of the Art 4.3. Pre-Training Data Requirements 4.4. Scaling Study 4.5. Inspectin..

논문명 - ICNet for Real-Time Semantic Segmentation on High-Resolution Images 저자 - Hengshuang Zhao, Xiaojuan Qi, Xiaoyong Shen, Jianping Shi, Jiaya Jia 게재 일자 - 2018년 8월 20일 URL 링크 - https://arxiv.org/pdf/1704.08545.pdf 1. Introduction 1.1. Status of Fast Semantic Segmentation 1.2. Our Focus and Contributions 2. Related Work 2.1. High Quality Semantic Segmentation 2.2. High Efficiency Semantic Segmen..

논문 명 - 추천 시스템 기법 연구동향 분석 (Review and Analysis of Recommender Systems) 저자 - 손지은, 김성범, 김현중, 조성준 게재 저널 - 대한산업공학회지 게재 일자 - 2015년 4월 15일 URL 링크 - http://koreascience.or.kr/article/JAKO201512053817215.page Review and Analysis of Recommender Systems -Journal of Korean Institute of Industrial Engineers | Korea Science Abstract The explosive growth of the world-wide-web and the emergence of e-commerce ha..

안녕하세요 :) 이번 포스팅에서는 이미지의 의미적 분할(Semantic Segmentation) 문제를 해결하기 위해 개발된 Fully Convolutional Networks (이하 FCN)에 대하여 알아보도록 하겠습니다. 아래 그림은 이번에 다룰 FCN의 개념을 보여주는 대표적인 그림이라 할 수 있겠습니다. 개, 고양이 영역을 잘 분할된 것을 볼 수 있습니다. 그림에 표현되지 못한 FCN의 중요한 개념이 있으니 끝까지 봐주세요. 이 신경망은 2015년에 『Fully Convolutional Networks for Semantic Segmentation (Long et al.)』 논문을 통해 공개되었습니다. 다른 의미적 분할 모델과 비교해 오래 전에 개발되긴 했지만 FCN에 적용되었던 개념들이 일부 계..

안녕하세요 :) 이미지의 의미적 분할에 활용되는 Fully Convolutional Network (FCN), U-Net과 같은 딥러닝 모델들을 다루기에 앞서 이들을 구성하고 있는 합성곱 신경망(Convolutional Neural Network; CNN)의 개념을 짚고 넘어가려고 합니다. 아래의 내용들은 《밑바닥부터 시작하는 딥러닝》 책을 참고해서 작성했습니다. Semantic Segmentation (의미적 분할) 이미지 분할(Image Segmentation)이란? 컴퓨터 비전(Computer vision)의 한 분야 이미지를 몇 개의 영역으로 구분하는 작업 이미지의 공간 영역, 객체들을 픽셀 수준에서 구분하여 라벨을 지정하는 작업 위 data-science-note.tistory.com 목차 합성..

12.3.8. 자동 미분을 사용하여 그래디언트 계산하기¶ 자동 미분이란?¶ 신경망처럼 수만 개의 파라미터를 가진 복잡한 함수의 도함수(미분, 그래디언트)를 쉽게 계산할 수 있도록 해주는 도구 tensorflow.GradientTape() 을 활용 예시: $w_1 = 5, w_2 = 3$ 일 때 도함수는 각각 36과 10임을 미분을 통해 구함 $$f(w_1, w_2) = 3w_1^2 + 2w_1w_2$$$${df \over {dw_1}} = 6w_1 + 2w_2$$$${df \over {dw_2}} = 2w_1$$ In [1]: import tensorflow as tf w1, w2 = tf.Variable(5.), tf.Variable(3.) # 두 변수 w1과 w2를 정의 def f(w1, w2): #..

In [1]: from IPython.core.display import display, HTML display(HTML("")) 필요한 라이브러리 임포트¶ In [2]: import tensorflow as tf from tensorflow.keras import preprocessing, layers 입력 및 라벨 데이터 생성¶ In [3]: samples = ["너 오늘 이뻐 보인다", "나는 오늘 기분이 더러워", "끝내주는데, 좋은 일이 있나봐", "나 좋은 일이 생겼어", "아 오늘 진짜 짜증나", "환상적인데, 정말 좋은거 같아"] labels = [[1], [0], [1], [1], [0], [1]] 전처리¶ In [4]: tokenizer = preprocessing.text.Tokeni..

저자 Ledig et al. 게재 저널 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (IEEE 2017) 게재 날짜 2017년 URL https://openaccess.thecvf.com/content_cvpr_2017/html/Ledig_Photo-Realistic_Single_Image_CVPR_2017_paper.html CVPR 2017 Open Access Repository Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Christian Ledig, Lucas Theis, Ferenc Huszar..

저자 Karen Stengel et al. 게재 저널 PNAS (Proceedings of the National Academy of Sciences of the United States of America) 게재 날짜 2020년 07월 21일 URL https://www.pnas.org/content/117/29/16805.short Adversarial super-resolution of climatological wind and solar data Global climate simulations are typically unable to resolve wind and solar data at a resolution sufficient for renewable energy resource assess..