2024 하계 모각코 회고
회고 처음에 인공지능에 관한 논문을 찾아보며 공부를 하기로 계획 했지만 아직 이 분야에 대한 지식이 많이 부족해 논문을 보며 완전한 이해는 아니더라도 얻어갈 수 있는 것이 있을지, 논문을 어떤 식으로 읽어가야 하는지에 대해 걱정을 많이 했다. 물론 처음에는 막막했지만 계속해서 ...
U-Net, HRNet(High-Resolution Network)
구조 : 수축되는 Encoder 부분과 확장되는 Decoder 로 구성되어 있음 + skip connection을 통해 high(얕은 층)/low(깊은 층) 해상도의 데이터를 다 잘 볼 수 있게 함 -> fully connected NetWork 를 수정하고 확장시켜 매우 적은 훈련 이미지로 작동하고 더 정교한 Segmentation를 가능하게 함
세부 내용 : 연속된 층에 의해 수축된 네트워크를 보충하는 것이 핵심 -> 이로 인해 해상도를 높여줌 + 연속적인 Convolution 층은 이 정보로부터 더 정밀한 출력을 학습할 수 있게 해줌
사용 목적: 수축만 시키면 깊은 특징들만 임베딩되어서 딥 피처들로만 학습하게 되는데 classification 에서는 상관없지만, Segmentation은 선이나 질감 같은 피처들 즉, 얕은 층에 있는 정보들도 필요하므로 skip-connection을 통해 얕은 층에 있는 데이터들을 더 잘 학습할 수 있게 함
구조 : 1. high-to-low Resolution Convolution(maxpooling을 사용해서)을 평행하게 연결시킴 2. Resolution을 거치면서 정보를 반복적으로 교환해줌 -> 이로인해 결과 값이 풍부해지고 공간적으로 더 정교해짐
세부 내용 : high-Resolution 컨볼루션으로 시작해 high-to-low Resolution 스트림을 one-by-one으로 추가하고 multi-resolution 스트림을 평행하게 연결함 결과적으로, 뒤에 stage의 평행한 스트림에 대한 Resolution은 이전 stage의 Resolution으로 구성되어 있음
사용 목적 : high-Resolution을 유지하면서 정밀한 이미지 분석을 하기 위해 사용함.
회고 처음에 인공지능에 관한 논문을 찾아보며 공부를 하기로 계획 했지만 아직 이 분야에 대한 지식이 많이 부족해 논문을 보며 완전한 이해는 아니더라도 얻어갈 수 있는 것이 있을지, 논문을 어떤 식으로 읽어가야 하는지에 대해 걱정을 많이 했다. 물론 처음에는 막막했지만 계속해서 ...
논문 리뷰
논문 리뷰
논문 리뷰
논문 리뷰
논문 리뷰
논문 리뷰
계획 Challenge1) SAR segmentation (7.18 발표)