지식 저장소 (8) 썸네일형 리스트형 머신러닝에 대한 5가지 오해 (원제 : 5 Reasons You Don’t Need to Learn Machine Learning) - towards 해석 Don't learn machine learning 해석에 이어서 두번째 포스팅 입니다. 해당 게시글은 이전에 머신러닝 개발자가 되기 위한 공부 접근방법 같은 느낌의 글이었다면, 이번 글은 머신러닝 엔지니어에 대한 오해와 머신러닝을 공부해야 할 것 같은 불안감을 가진 사람을 위한 글이라고 볼 수 있을 것 같습니다. 순서에 크게 관계는 없지만 이전 글을 읽어 보실 분을 위해 링크를 달아 두고 시작하도록 하겠습니다. 2021/03/04 - [지식 저장소] - 머신러닝 공부하지 마세요! towards 게시글 해석 머신러닝 공부하지 마세요! towards 게시글 해석 안녕하세요. 정말 오랜만에 글을 올립니다. 요즘 바빠서 글을 올리지 못했지만, 재미난 글을 towards에서 읽고 공유하고자 하는 마음에 글을 올.. 머신러닝 공부하지 마세요! towards 게시글 해석 안녕하세요. 정말 오랜만에 글을 올립니다. 요즘 바빠서 글을 올리지 못했지만, 재미난 글을 towards에서 읽고 공유하고자 하는 마음에 글을 올리게 되었습니다. 두가지의 글을 해석하고, 개인적인 의견을 작성한뒤에 글을 마치겠습니다. 게시글은 다음과 같습니다. Don't learn machine learning 5 Reasons You Don't Need to Learn Machine Learning Don’t learn machine learning Learn how to build software with ML models towardsdatascience.com 5 Reasons You Don’t Need to Learn Machine Learning An increasing number of in.. Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(3) 해당 논문은 part1~part3까지 포스팅될 예정입니다. 2020/11/02 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1) 2020/11/03 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(2) Imbalance 4 : Objective Imbalance Definition Objective Imbalance는 훈련 과정 loss function이 최소화되는 것과 관련이 있다. (i)Task에 따라 기울기의 Norm 규칙들이 하나의 작업에 지배 될 수 있다. (ii)Task에 따라 Loss function .. Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(2) 해당 논문은 part1~part3까지 포스팅될 예정입니다. 2020/11/02 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1) 2020/11/03 - [지식 저장소] - Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(3) 5 Imbalance 2 : Scale Imbalance 이번 장에서는 두가지의 불균형을 다룬다. Object /Box-Level Scale 불균형 문제와 Feature 불균형의 문제를 다룬다. 5.1 Object/Box-Level Scale Imbalance Definition Scale 불균형은 객체의 사이즈 또.. Imbalance Problems in Object Detection : 객체 검출 분야의 불균형 문제 A Review(1) 해당 논문은 객체 검출 영역에서 다양한 불균형 문제들을 검토하고 식별하는 논문입니다. 34페이지 짜리의 굉장히 긴 논문이며, object detection 부터 classification을 공부하시고 연구하시는 분들에게 굉장히 도움이 될거 같아서 정리를 블로그에 공유하게 되었습니다. 해당 논문에서는 object detection의 기본적인 용어 및 개념부터 과거부터 최신논문의 연구동향을 파악하기 좋고 실제 학습하고 실험하시는 분들이 겪을 여러 문제들에 대해서 참고가 될 내용이 많아 최대한 자세히 작성하였으니 도움이 되길 바랍니다. 그럼 바로 논문 리뷰 시작합니다. 해당 논문은 part1~part3까지 포스팅될 예정입니다. 2020/11/03 - [지식 저장소] - Imbalance Problems in .. DETR : End-to-end방식의 Transformers를 통한 object detection 들어가며 .. 이번 포스팅에서 다룰 논문 제목은 End-to-end Object detection with Transformers 입니다. 논문 요약을 작성하며 중요 부분에 대해 굵은 글씨로 작성하였고, 논문의 직접적인 내용이 아닌 개인적인 코멘트는 붉은색으로 작성하였으니 참고 바랍니다. Abstract 논문의 저자는 object detection을 direct set prediction의 문제로 바라보는 새로운 방법을 제시한다. 그들의 접근 방법은 detection을 진행하는 일련의 파이프라인에서 수작업으로 만들어진 non-maximum suppression(NMS는 하나의 객체에 중복된 prediction을 제거하는 작업을 한다)이나 앵커를 생성하는 과정을 효과적으로 제거했다. 논문의 저자는 DEte.. YOLOv4 : Object detection의 최적의 속도와 정확도 이번 포스팅에서는 YOLOv4의 논문을 리딩해보겠다. 저번 포스팅에서도 최대한 논문의 전반적인 내용을 다루면서 쉽게 설명하려고 노력 했으나.. 여간 어려운 작업이 아닐 수 없다. 각설하고 YOLOv4의 논문을 읽어보자. 요약 논문의 저자는 요약의 첫 시작부분에서 CNN의 정확도를 향상 시킬 수 있는 featrue들이 많다고 말한다.(여러가지 모델들에 대한 내용을 말하는 듯 하다) 대용량의 데이터셋 에서 이런 feature 조합에 대한 테스트와 결과의 이론적인 설명이 필요하다고 하며, 어떤 feature들은 소규모의 데이터셋 에서만 작동한다고 말한다. (요약부에서 feature는 모델을 설계할 때 사용되는 다양한 layer들을 이야기 한다) 이 중에 범용적이게(모든 모델 구조에서 영향력을 가질 수 있는) .. CSPNet : CNN의 학습능력을 향상 시킬 수 있는 새로운 Backbone SOTA를 확인하다 읽었던 CSPNet에 대해 작성해보려고 한다. 논문의 제목은 CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN 으로 직역 하자면 이 포스팅의 제목과 같이 CNN의 학습능력을 향상 시킬 수 있는 새로운 백본 이라고 한다. 엄청나게 자신감 있는 논문 제목이라고 느껴진다. 그럼 논문에 내용에 대해 정리해보겠다. 요약 요약의 첫 시작 부분에는 신경망은 컴퓨터 비전 영역에서 놀라운 발전을 이뤘지만 이 고급 기술들은 값싼 장치를 가진 사람들에게 이용되지 못하고 있다고 소개하고 있다. (실제로 GPU없는 환경에서 딥러닝하기란 쉽지 않다.) 컴퓨팅 파워가 낮은 환경이 감당하기 힘든 연산량을 완화시킬 수 있는 모델이 Cross St.. 이전 1 다음
