공부 정리! 공부 정리!

Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 라는 제목으로 CVPR2017에 올라간 논문입니다. 2017년에는 좋은 논문들이 많이 나온것 같네요! SRGAN - Super Resolution + GAN Super resolution 분야에서 사용된 GAN 모델이다. Super Resolution은 해상도를 높이는 것을 의미한다. 고전의 방법으로는 bicubic, linear 같은 방법으로 보간법(interpolation) 주변의 픽셀을 활용해서 확장된 영역의 픽셀을 채웠다. 딥러닝이 나오고 CV영역에서는 고전의 방법으로 하던 작업을 딥러닝으로 옮기고자 한다. 많은 super resolution을 위..

Efficient net 말 그대로 효율적인 network를 의미한다. 딥러닝 모델을 설계할 때 어떻게 하는것이 효율적인지에 관해 얘기를 한다. NAS(neural architecture search)에 관해 얘기하는 것으로 기존의 모델 설계 방법과 상관관계를 분석하여 효율적인 모델이 어떻게 될 수 있는지를 얘기한다. compound scaling이라는 모델 scaling기법을 설명하고 있다. 논문이 하고자 하는 것을 한문장으로 나타내면 아래와 같다. In this paper, we want to study and rethink the process of scaling up ConvNets. model scaling 가장 핵심이 되는 내용이 그림 한장에 표현되어 있다. base line을 만들고 성능과 ..

Image task 정리 과거에는 이미지를 보고 분류를 하는 작업이 많은 연구가 이루어 졌다면 segmentation은 이미지 속 물체의 정확한 경계를 구분하는 것을 의미한다. 현재 이미지 속 객체를 처리하는 태스크는 크게 4개로 분류 할 수 있다. 1. image recognition : 이미지 인식으로 사진속 어떤 것이 있는지를 판단한다. 2. object detecion : 이미지 속 객체의 bounding box를 나타낸다. 한눈에 봐도 image recognition을 하고 그 다음에 위치까지 알아서 box를 그려야 하므로 조금더 어려운 작업이라고 볼 수 있다. 3. semantic segmentation : object별로 픽셀단위로 정확한 경계를 그리는 것을 의미한다. 말그대로 semanti..

github.com/eriklindernoren/PyTorch-GAN implementation Image to Image translation의 대표 주자인 UNIT에 대해 정리를 해보려고 한다. UNIT에서 말하는 Unsupervised는 학습을 하는것이 쉽지 않기 때문이다. 데이터를 사용할 때, Colorization이나 Super Resolution같은 문제는 정답 데이터가 있기 때문이다. 다른 이미지로 style translation을 한다면 두 도메인 사이의 Joint Distribution을 알아야 한다. 한정된 데이터를 가지고는 두 도메인 사이의 Joint Distribution을 알 수 없다. UNIT에서는 새로운 방법을 제안 한다. 1. Shared Latent Space Assumpt..