카테고리 없음

[양수민] Road Extraction by Deep Residual U-Net

ResUnet: https://arxiv.org/pdf/1711.10684Unet: https://arxiv.org/pdf/1505.04597Resnet: https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image RecognitionDeeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning r..

2026. 2. 7. 12:59

카테고리 없음

[문현서] Wide Residual Networks

Wide Residual Networks (2016)https://arxiv.org/pdf/1605.07146 [요약]- Deep residual network를 수천 층으로 scale해 성능 개선 가능하지만 개선하려는 정확도 퍼센트 당 두 배의 층이 필요 -> 훈련 속도 매우 느려짐- Residual network의 깊이를 줄이고 너비를 넓혀 성능 개선 (Wide Residual Networks(WRNs)) – sota 달성Ex) 간단한 16층 WRN이 정확도와 효율성 측면에서 과거 모든 deep ResNet 뛰어 넘음 [Introduction]- increase in the number of layers in CNNs -> improvements in image recognition tasks- b..

2026. 2. 6. 23:35

카테고리 없음

[최석준] DDPM (Diffusion model)

DDPM (Diffusion model) 논문 리뷰학회 : NeurIPS 2020저자 : Jonathan Ho, Ajay Jain, Pieter Abbeel소속 : UC Berkeley링크 : https://arxiv.org/pdf/2006.11239참고하면 좋은 리뷰 : https://xoft.tistory.com/32 [개념 정리] Diffusion ModelGAN, VAE 와 같은 생성 모델(Generative Model) 중 하나로써, 2022년에 이슈가 되었던 text-to-image 모델인 Stable-Diffusion, DALL-E-2, Imagen의 기반이 되는 모델입니다. 많은 논문에서 Diffusion Model이 인용되지만 수xoft.tistory.comhttps://kimjy99.g..

2026. 1. 31. 12:06

카테고리 없음

[황인성] EfficientNet, using Compound Scaling

EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks 본격적인 논문 리뷰에 앞서 용어를 먼저 짚고 넘어갈 필요가 있습니다. 이 논문에서는 width, depth, resolution이라는 용어가 빈번하게 등장합니다. 각 용어의 의미는 다음과 같습니다. width: convNet layer의 channel 크기depth: convNet layer의 resolution: 입력 이미지의 해상도 또한 model scaling에 관한 논문인 만큼 baseline model이라는 말도 자주 등장합니다. 별도의 언급이 없다면 baseline model은 위 사진의 (a)에 해당하는 모델입니다. BackgroundConvNet의 accurac..

2026. 1. 31. 11:25

카테고리 없음

[박재형] YOLO v5 v9 v11

1. YOLOv5 YOLOv5 paper not publishedmore info in github repo https://github.com/ultralytics/yolov5.git ONNX > CoreML > TFLite" data-og-description="YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub." data-og-host="github.com" data-og-source-url="https://github.com/ultralytics/yolov5.git" data-og-url="https://github.com/ul..

2026. 1. 29. 17:58

카테고리 없음

[유승곤] DETR, Deformable DETR

End-to-End Object Detection with Transformers (ECCV 2020)- Nicolas Carion, Francisco Massa, Gabriel Synnaeve, Nicolas Usunier, Alexander Kirillov, and Sergey Zagoruyko (Facebook AI Research) 1. Introduction- 기존 object detector들은 성능은 뛰어나지만, spacial anchor, IoU threshold, NMS 등 많은 hand-designed components에 의존한다. 이로 인해 파이프라인이 복잡해지고, domain 마다 재설계가 필요하다.- Hand-designed components 없이, end-to-end로 학습하..

2026. 1. 17. 11:20