반응형 전체 글105 [논문 리뷰] U-GAT-IT: UNSUPERVISED GENERATIVE ATTEN- TIONAL NETWORKS WITH ADAPTIVE LAYER- INSTANCE NORMALIZATION FOR IMAGE-TO-IMAGE TRANSLATION 오늘은 2019년에 발표된 image-to-image translation 논문 중 하나인 U-GAT-IT모델에 대해 리뷰를 해보도록 하겠습니다. Abstract 이 논문에서는 unsupervised image-to-image translation의 새로운 방법을 제시한다. Attention 모듈과 새로운 learnable normalization function(AdaLIN)을 통합한 방법이라 설명할 수 있다. 각각의 역할은 다음과 같다. ✔️ 1. Attention 모듈 source와 target 도메인을 어텐션 맵(obtained by the auxiliary classifier)을 기반으로 구분하면서 모델이 더 중요한 영역에 집중하도록 한다. 이전에 어텐션을 사용한 모델들은 도메인 간의 geome.. 2021. 2. 22. [논문 리뷰] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 딥러닝 스터디에서 발표한자료입니다. 2021. 2. 10. [논문 리뷰] OpenAI GPT-1 : Improving Language Understanding by Generative Pre-Training (1) Abstract 이 논문에서는 다양한 라벨링되지 않은 데이터로 pre-training을 시킨 후 특정 task에 맞춘 fine-tuning 과정을 거치는 단계를 가진다. 이전의 방법론들과는 달리 모델구조를 최소한으로 변화시키고 효과적인 Transfer를 얻기 위한 fine-tuning 단계에서 과제에 맞는 Input representations을 사용하였다. 다양한 실험 결과를 통해 이 접근이 다양한 과제에 대해 효과적임을 증명하였다. 이 논문에서 task에 대한 사전 지식이 없는(task-agnostic) 모델은 특정과제에 특화된 모델 성능을 뛰어넘는다. 테스트된 12개의 tasks 중 9개에서 SOTA 수준의 성능을 달성하였다. 1. Introduction 라벨링 되지 않은 raw 데이터의 텍스트에서.. 2021. 2. 3. 일기) 2021년 1월 회고 2020년 회고글을 쓴지 얼마 되지 않은 것 같은데 벌써 2021년 1월에 대한 회고를 쓴다. 2020년 12월 23일에 신년 계획을 버지또와 함께 적어보았는데, 1월의 마지막날인 오늘, 얼마나 계획을 지켰나 체크해보려 한다.👍👍 ✔️✔️: 만족스러울 정도로 달성하고 있음. ✔️ : 달성은 했으나 만족스럽지 않음. ❌ : 달성 안함. 1. 운동 (일주일에 4번 이상) 👉🏻 매일 아침 요가를 하니 일주일에 5번이상 한다.✔️✔️ 2. 핸드폰 줄이기 (스크린 타임 2시간 이하) 👉🏻 지금 체크해보니 평균 4시간 정도 된다. 회사 왕복 동안 어플로 프랑스어 공부를 하는데 1시간정도라고 치고 아침저녁에 트는 유투브 플레이리스트 2시간, 아침에 요가 20분 전화영어 30분를 계산하면 10분정도 남는데 이 정도면 .. 2021. 1. 31. TIL : python 병렬처리 라이브러리 Ray 사용하기 26만개의 데이터를 처리해야하다 보니 serial python으로는 9시간이 족히 걸리는 작업을 해야했다. 이에 multiprocess를 쓰려다가 검색을 하다 발견한 Ray 라는 라이브러리! uc버클리에서 만든 것으로 특정 조건에서 multiprocessing보다 9배, 싱글쓰레드보다 28배가 빠르다고 한다.!!!! https://zzsza.github.io/mlops/2021/01/03/python-ray/ Python Ray 사용법 - Python 병렬처리, 분산처리 파이썬 병렬처리를 위한 Python Ray 사용법에 대한 글입니다 키워드 : Python Ray for multiprocessing, Python Parallel, Distributed Computing, Python Ray Core, .. 2021. 1. 29. [논문 리뷰] StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation Abstract 최근 연구들은 image-to-image translation에서 큰 성공을 보여주었다. 하지만, 기존 연구들은 2개이상의 도메인을 다루는데에 scalability와 robustness를 제한해왔는데, 이는 서로 다른 모델들이 각 이미지 도메인 쌍에 대해 독립적으로 만들어졌기 때문이다. 이 한계점을 극복하기 위해 StarGAN이 등장했다. 🌟StarGAN은 image-to-image translations을 수행할 수 있는 새롭고 scalable한 접근으로, 단 하나의 모델을 사용하여 여러가지 도메인에 대해 image-to-image translation을 할 수 있다.(..!) 🌟 이러한 StarGAN의 특징은 하나의 네트워크안에서 다양한 도메인의 데이터셋에 대해 동시에 학습시키는 것을.. 2021. 1. 27. 이전 1 ··· 5 6 7 8 9 10 11 ··· 18 다음 more 728x90 반응형
