본문 바로가기

전체 글

(75)
CS231n 2017 Lecture 1 : Introduction to Convolutional Neural Networks for Visual Recognition Computer Vision에서 이름 있는 스탠포드 강의인 CS231n이다. 뜨거운 관심을 받고 있는데, 매 년마다 수강생이 두 배씩 는다고 한다. Computer Vision의 중요성에 대해 이야기 하고 있다. Sensor, 즉 카메라 등이 많아지면서 visual data가 ridiculous하게 증가했다고 한다. 인터넷 트래픽의 80%가 video data라고 하니 엄청나다. 하지만 이런 데이터를 활용하는 것은 어려운데, 암흑 물질에 비유하고 있다. 암흑 물질도 우주의 85%를 차지하지만 우리 눈에 보이지 않는 것처럼 visual data를 활용하는 것도 여러 가지 난관이 있다. 이제 vision과 computer vision의 역사를 살펴볼 것이다. Fei Fei 교수가 바톤을 이어받아 vision..
CS231N Spring 2020 Assignment1 : KNN(k_nearest_neighbor) Lecture 리뷰를 먼저 써야 순서가 맞는데, 과제를 너무 재미있게 해서 과제 리뷰부터 하기로 했습니다. 첫번째 과제는 Lecture2에서 배운 KNN입니다. KNN에 대한 설명은 나중에 Lecture2 리뷰에서 다루도록 하겠습니다. 강의는 유튜브에 있는 2017년 버전을 듣지만 과제는 2020년껄 할 수 밖에 없습니다. 전 년도 과제들은 사이트를 닫았더군요. cs231n.github.io/에 가시면 과제를 보실 수 있습니다. 뭔가를 해야 하는 부분은 여기부터죠. 주석에 써 있는 경로에 가서 .py 파일을 idle로 연 뒤 주피터랑 같이 보면서 하면 편합니다. compute_distances_two_loops를 구현하라고 하죠. Two_loops 버전은 쉽습니다. 이중 for문을 돌려서 하면 되니까요...
Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network Conference : CVPR Submisson : 2016 Paper Link : arxiv.org/abs/1609.05158 Keywords Single image super resolution Sub-pixel convolutional neural network Contribution LR 이미지를 upsampling 없이 바로 CNN에 넣어줌으로써 계산 비용을 줄였다. Learnable한 upscaling 방식을 사용해서 psnr을 높였다. SRCNN(Image Super-Resolution Using Deep Convolutional Networks) SRCNN은 super resolution에 딥러닝을 처음 적용시켜 좋은 결과를 얻었던 모델이다. 위와 같이 bicubic으로 키운 interp..