분류 전체보기
-
[논문정리] RCNN, Fast RCNN, Faster RCNN 핵심!Object Detection 2021. 5. 30. 01:06
이번 포스팅은 Object Detection 중 2-Stage Detector의 큰 흐름이라고 할 수 있는 R-CNN 계열에 대해 정리해보겠습니다. 이미 블로그, 유튜브를 포함한 많은 곳에서 R-CNN 계열을 설명하고 있으므로, 이번 포스팅에서는 제가 공부하면서 명확하게 이해되지 않았던 부분을 다루면서 진행해보도록 하겠습니다. 먼저, 2-Stage Detector인 R-CNN 계열은 공통적으로 아래와 같은 프로세스를 가지고 있습니다. 1-Stage Detector와 비교해서 물체가 있을법한 영역을 제안해주는 Region Proposal 단계가 존재합니다. 이후 해당 영역의 이미지로부터 Feature를 추출하고 물체의 클래스를 맞추는 Classification 및 물체의 위치를 찾아내는 Regression..
-
[논문 리뷰 및 코드구현] Simple Does It: Weakly Supervised Instance and Semantic SegmentationImage Segmentation 2020. 12. 27. 23:06
Simple Does It: Weakly Supervised Instance and Semantic Segmentation, CVPR 2017 이번 포스팅은 Semantic Segmentation을 위한 Weakly-Supervised Learning 관련 논문에 대해서 살펴보겠습니다. 먼저, Weakly Supervised Learning이라는 분야에 대해서 살펴보겠습니다. 기존의 Computer Vision 분야는 크게 이미지 인식(Recognition)과 이미지 분할(Segmentation), 그리고 객체 탐지(Object Detection)으로 이루어져 있습니다. 이미지 인식은 우리가 주로 알고 있는 태스크로, 학습시에 입력으로 이미지와 해당 이미지에 대한 Class(Label) 정보를 사용하게 ..
-
[논문리뷰] EGNet: Edge Guidance Network for Salient Object DetectionImage Segmentation 2020. 12. 24. 20:53
EGNet: Edge Guidance Network for Salient Object Detection, ICCV 2019 먼저, Salient object detection(돌출 객체 검출) Task는 이미지에서 가장 돌출된 부분을 검출 해내는 것으로, 일반적인 Semanctic Segmentation보다 더 Challenge합니다. 이름에서 보듯이 Object Detection이 들어가서 오해하실 수 있지만 일반적인 Semantic Segmentation Task에서 중요한 부분만을 Segmentation하는 Task라고 생각하시면 될 것 같습니다. Abstract 기존 FCN-based 방법론들은 객체의 경계면이 Coarse하다는 문제점이 존재합니다. EGNet은 이를 해결하기 위해 두 가지의 상호..
-
[논문리뷰] BASNet (Boundary-Aware Salient Object Detection)Image Segmentation 2020. 12. 11. 16:34
Boundary-Aware Salient Object Detection CVPR 2019 Introduction 먼저, Salient object detection(돌출 객체 검출) Task는 이미지에서 가장 돌출된 부분을 검출 해내는 것으로, 일반적인 Semanctic Segmentation보다 더 Challenge합니다. 이름에서 보듯이 Object Detection이 들어가서 오해하실 수 있지만 일반적인 Semantic Segmentation Task에서 중요한 부분만을 Segmentation하는 Task라고 생각하시면 될 것 같습니다. 돌출 객체를 정확하게 분할하기 위해서는 전체 이미지에서 Global한 정보를 이해할 수 있어야하고, 객체의 디테일한 구조 역시도 알수 있도록 해야합니다. 이러한 문..
-
[논문 리뷰 및 코드구현] TABNET딥러닝 논문리뷰 및 코드리뷰 2020. 12. 6. 23:54
[Review] TABNET: Attentive Interpretable Tabular Learning (2019) 이번 포스팅은 Tabular(정형) 데이터에 적합한 딥러닝 모델이라 주장하는 TABNET 논문 리뷰를 해보겠습니다. 궁금한점이나 해석이 잘못된 부분이 있으면 언제든지 댓글로 말씀해주시면 감사하겠습니다. 먼저, 기존 딥러닝 모델들은 이미지, 텍스트, 음성 등 다양한 비정형 데이터 영역에서 매우 우수한 성능을 보여주었습니다. 그러나, 정형 데이터의 경우에는 최근까지도 Kaggle과 같은 여러 Competition에서 XGBoost, LightGBM, CatBoost와같은 Tree기반의 앙상블 모델들이 주로 사용되고 있습니다. 왜 Tabular 데이터에서는 기존 딥러닝 모델이 잘 작동하지 않을까..
-
[논문 리뷰 및 코드구현] AnoGANAnomaly Detection 2020. 11. 14. 21:10
[Review] Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery, 2017 이번 포스팅은 생성모델인 GAN을 활용하여 Anomaly Detection을 처음 시도했던 논문인 AnoGAN에 논문을 살펴보겠습니다. 잘못된 부분이 있으면 언제든지 댓글로 지적해주시면 감사하겠습니다. 먼저, GAN에 대해서 간단하게 살펴보겠습니다. GAN은 판별자(분류기)로 불리는 Discriminator와 생성자로 불리는 Generator 두 네트워크가 서로 대립하면서 학습을 합니다. 각각의 네트워크를 학습하는 과정을 살펴보면 위 그림에서는 진짜 이미지를 Discriminator에게 진짜인지 가짜인지를 이진분..
-
[논문 리뷰 및 코드구현] Deep One-Class Classification(Deep SVDD)Anomaly Detection 2020. 10. 30. 23:14
[Review] Deep One-Class Classification, ICML 2018 이번 포스팅은 Unsupervised Anomaly Detection 방법론인 Deep SVDD를 다루는 Deep One-Class Classification 논문을 살펴보겠습니다. 먼저, 이 포스팅은 Deep One-Class Classification논문과 고려대학교 산업경영공학부 강필성 교수님의 강의, 그리고 DSBA 최희정님의 세미나 발표자료를 참고하여 작성하였음을 밝힙니다. 먼저, SVDD(Support Vector Data Description)의 근간을 이루는 SVM(Support Vector Machine)은 아래 그림과 같이 서로 다른 Class의 Sample들을 잘 분류하는 Classifier를 찾..
-
[논문 리뷰 및 코드구현] UNet++ (Nested UNet)Image Segmentation 2020. 10. 10. 22:12
[Review] UNet++: A Nested U-Net Architecture for Medical Image Segmentation, DLMIA(Deep Learning Medical Image Analysis) 2018 이번 포스팅은 객체를 인식하는 방법 중 하나인 U-Net의 업그레이드 버전인 U-Net++ (Nested U-Net) 논문을 살펴보겠습니다. 이 포스팅은 U-Net++과 U-Net논문, 그리고 MEDIUM 블로그를 참고하여 작성하였습니다. 객체를 인식하는 방법에는 아래 그림과 같이 크게 Image Classification, Detection, Segmentation로 세 가지가 있습니다. 이미지 인식 방법 예시 (출처) U-Net은 이 중에서 Segmentation을 목적으로 제안..