Computer Vision

컴퓨터 비전 관련된 논문 리뷰 및 코드 구현

• 최신 논문 위주로, 많은 인기를 끌고 있는 다양한 딥러닝 논문을 소개합니다.

CV 분야 논문

• Histograms of Oriented Gradients for Human Detection(HOG)
  • Original Paper Link / Contents / Code Practice
• GradientBased Learning Applied to Document Recognition(LeNet)
  • Original Paper Link / Contents /Code Practice
• ImageNet Classification with Deep Convolutional Neural Networks(AlexNet)
  • Original Paper Link / Contents / Code Practice
• Very Deep Convolution Networks for Large-scale image recognition(VGG)
  • Original Paper Link / Contents / Code Practice
• Going deeper with convolutions(GoogLeNet)
  • Original Paper Link / contents / Code Practice
• Deep Residual Learning for Image Recognition(ResNet)
  • Original Paper Link / contents / Code Practice / cat vs dog dataset:resnet50 클래스 분류하기 및 cv2에 대한 내용
• Squeeze-and-Excitation Networks(SENet)
  • Original Paper Link / contents / Code Practice
• EfficientNet, Rethinking Model Scaling for Convolutional Neural Networks(EfficientNet)
  • Original Paper Link / contents / Code Practice

object detection

• R-CNN / Fast R-CNN / Faster R-CNN
  • Original Paper Link-basic model: R-CNN / contents

• YOLO

GAN에서 발전한 논문

• Generative Adversarial Networks(GAN)
  • Original Paper Link / [contents] / Code Practice
• Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets(InfoGAN)
  • Original Paper Link / [contents] / [Code Practice]
• Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks(CycleGAN)
  • Original Paper Link / [contents] / [Code Practice]
• PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION(Progressive Growing of GANS(PGGAN))
  • Original Paper Link / [contents] / [Code Practice]

• VAE
• MobileNet-v1.v2.v3

Image Recognition (이미지 인식)

• 이미지와 질문이 주어졌을 때 답을 맞추는 Visual QnA
  • Original Paper Link / contents / Code Practice
• 이미지를 설명하는 문장을 만들어내는 Image Captioning
  • Original Paper Link / contents / Code Practice
• Neural Image Caption Generation with visual Attention
  • Original Paper Link / contents / Code Practice
• Image Captioning with Semantic Attention
  • Original Paper Link / contents / Code Practice

---

ImageNet(large-scale), MNIST, CIFAR dataset MNIST나 CIFAR는 idea에 대한 검증 목적으로 사용

• MNIST: 0부터 9까지의 '28 x 28 손글씨 사진'을 모은 데이터셋 (학습용: 60,000개 / 테스트용: 10,000)
• CIFAR-10: 10개의 클래스로 구분된 '32 x 32 사물 사진'을 모은 데이터셋 (학습용: 50,000개 / 테스트용: 10,000개)
• ImageNet : (Amazon Mechanical Turk) 서비스를 이용하여 일일이 사람이 분류한 데이터셋

파일 설명

> overfitting을 극복하는 방법

overfitting을 극복하는 방법으로는 data augmentation, batch normalization, drop out이 있다. 이를 통해서 얼마나 고쳐지는지 확인한다. code

> CNN_cifar10.ipynb

https://tutorials.pytorch.kr/beginner/basics/optimization_tutorial.html

pytorch에서 제공한 tutorials에서 제공하는 설정을 이용해서 신경망 설계 및 최적화 코드를 반복하여 수행하는 train와 테스트 데이터로 모델의 성능을 측정하는 evaluate를 정의! GPU 설정을 '펭귄브로의 3분 딥러닝, 파이토치맛' 책의 내용을 학습해서 진행하였다.