논문 제목 : Where and Who? Automatic Semantic-Aware Person Composition 저자 : Fuwen Tan, Crispin Bernier, Benjamin Cohen, Vicente Ordonez, Connelly Barnes arxiv 등록일 : 2017/06/04 요약 이미지 합성을 할 때 배경 이미지가 들어오면, 여러개의 foreground segments로 부터 가장 적절한 사람 사진을 골라 합성해주는 모델을 개발함. 만든 것 Bounding box prediction 2-branch CNN 모델기반으로, potential segment의 bounding box를 알아냄 Person segment retrieval 사람 segment pool에서, local..

논문 제목 : MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 저자 : Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam arxiv 등록일 : 2021/04/15 링크 : https://arxiv.org/abs/1704.04861 요약 일반적인 CNN 모델의 연산/파라미터를 줄이기 위해 Depthwise seperable filter라는 것을 사용함. 만든 것 Depthwise seperable filter 일반적인 D*D convolution..

논문 제목 : Camera View Adjustment Prediction for Improving Image Composition 저자 : Yu-Chuan Su, Raviteja Vemulapalli, Ben Weiss, Chun-Te Chu, Philip Andrew Mansfield, Lior Shapira, Colvin Pitts arxiv 등록일 : 2021/04/15 링크 : https://arxiv.org/abs/2104.07608 요약 구도 가이드 모델을 만들었음. 구도가 잘 찍힌 사진 데이터를 왼쪽으로 10% 움직인 후, 움직인 사진을 input으로 하고 [오른쪽으로 10%]를 output으로 하는 데이터를 만듬 만든 것 구도 평가 모델 수도 라벨링을 위해서 구도 평가모델을 제작함 Mob..

인공지능을 다시 공부하기 시작했는데 약어가 너무많아서 익숙하지 않은 상태로 글을 읽으니 이해가 너무 어려웠습니다. 그래서 용어들을 한번 정리하고자 합니다. 퍼셉트론 -인공 신경망에서 노드 하나하나를 말합니다. 뉴런이라고도 합니다. FFNN (Feed Forward Neural Network, 피드 포워드 신경망) -출력을 입력층에서 출력층으로만 전달하는 신경망 RNN (Recurrent Neural Network, 순환 신경망) -은닉층의 출력값이 은닉층의 입력으로 사용되기도 하는 신경망 Dense layer (전결합층, Fully-connected layer, FC) -어떤 층의 모든 뉴런이 이전 층의 모든 뉴런과 연결돼있는 층 활성화 함수 (Activation Function) -하나의 뉴런의 출력값..

kaist.edwith.org/machinelearning1_17/lecture/40603 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 강의입니다. 인공지능 쪽은 정말 하나도 모르지만, 이걸로 시작해보기로 했습니다. 우선은 이해한 대로 쭉 기록해 두고, 배우면서 잘못 알고 있던 점은 수정하는 방식으로 글을 써보겠습니다. 1. Rule based learning 고전적인 머신 러닝의 방식 중 하나인 Rule based learning은 세상의 모든 현상은 특정한 시스템을 따르기 때문에 그 규칙을 습득하면 된다는 이론입니다. 문장으로 표현하면 'A, B, C, ... 면 Y다'라는 형식을 가집니다. 예를 들어 "점심을 안 먹었으면, 저녁을 일찍 먹는다"의 형식입니다. 이 이론은 몇 가지 전제를 가집니..

소프트웨어 전공을 한 사람이 머신러닝도 몰라서 되겠나? 라는 생각에 머신러닝 공부를 시작하게 됐습니다. 대학원생 정도까진 아니더라도 개념은 알아야 생각의 폭이 넓어지겠죠? 우선 친구한테 들을만한 강의를 추천받았습니다. kaist.edwith.org/machinelearning1_17/lecture/40603 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 강의입니다. 인공지능 쪽은 정말 하나도 모르지만, 이걸로 시작해보기로 했습니다. 우선은 이해한 대로 쭉 기록해 두고, 배우면서 잘못 알고 있던 점은 수정하는 방식으로 글을 써보겠습니다. 1. 이항분포(Binomial Distribution) 이번 강좌의 MLE와 MAP는 사건이 이항분포를 가진다는 전제하에 이루어집니다. 이항분포는 이산적인 사건(ye..