[카테고리:] Paper
Paper Review
[arXiv] D2D: Keypoint Extraction with Describe to Detect Approach
이전부터 Computer vision에서 영상의 keypoint 를 추출하는 것은 자주 풀어오던 문제였습니다. 주로 handcraft 알고리즘이라고 불리우는 전통적인 알고리즘들은 keypoint 의 위치를 detect 한 뒤, 특징을 표현하는…
[ECCV 2018]Learning Efficient Single-stage Pedestrian Detection by Asymptotic Localization Fitting
해당 논문은 Pedestrian detection에 특화된 SSD 계열(1stage detection)의 방법을 제안했다. 또한 RetinaNet의 컨셉을 anchor box를 통한 regression과 class에 대한 confidence score에 적용함(Asymptotic Localization Fitting, 이하…
[ICCV2020]DE⫶TR: End-to-End Object Detection with Transformers
깃허브 및 페이퍼 Github : https://github.com/facebookresearch/detr?fbclid=IwAR3I28-rB6EPrPlqqQw8VWoy2Zhw61IdOCUxnP5le126F8WNHNaMPX-Y7sg Paper : https://scontent-ssn1-1.xx.fbcdn.net/v/t39.8562-6/101177000_245125840263462_1160672288488554496_n.pdf?_nc_cat=104&_nc_sid=ae5e01&_nc_ohc=r3D77RQVlCQAX8wVJy0&_nc_ht=scontent-ssn1-1.xx&oh=0d5852afa2dfc7c90774646d9439dee0&oe=5EFEDF47 배경지식 https://nlpinkorean.github.io/illustrated-transformer/ 헝가리안 알고리즘 : https://m.blog.naver.com/PostView.nhn?blogId=ehddml1229&logNo=220984824462&proxyReferer=https:%2F%2Fwww.google.com%2F 설명 이번에 페이스북AI에서 제안하는 DE:TR 모델은 기존 Object Detection의 프레임과는…
EfficientDet: Scalable and Efficient Object Detection
Mingxing Tan, Ruoming Pang, Quoc V. Le 1. EfficientDet 은 “EfficientNet : Improbing Accuracy and Efficiency through AutoML and Model Scaling” 의 저자들이 속한 Google…
[ICCV2019]Human uncertainty makes classification more robust
이 논문은 인간의 불확실성을 담은 데이터의 효용성에 대해 다루었다. 보면서 Knowledge Distillation(모델증류) 기법이 떠올랐는데, 논문에서는 모델 증류기법은 soft label을 위해 network를 사용하기 때문에 확실한 기준이…
[arXiv 2019] Combination of Multiple Global Descriptors for Image Retrieval
네이버에서 주최하는 Mapping & Localization challenge에 참여하여 서베이를 하던 도중 이 논문에 대해 알게되었습니다. 당시에는 image retrieval 이라는 task를 처음 시도하였기에 전체적인 틀 잡기에 급급하여…
[ECCV 2014]Microsoft COCO: Common Objects in Context
MS coco는 object detection, Stuff segmentation, Panoptic segmentation, Keypoint detection task(각 task에 대한 예시 그림은 Append idx 참고.)에 대한 챌린지를 2015년 데이터 셋을 퍼블리싱 한…
[NIPS2017] Attention Is All You Need
논문: Attention Is All You Need Facebook AI Research에서 DETR: End-to-End Object Detection with Transformers 논문[1], 블로그[2], 코드[3]를 동시에 공개하면서 attention 혹은 Transformer라는 방법에 대해…
[IEEE] Discriminative Frequent Pattern Analysis for Effective
1. Frequent 패턴이 분류문제에서 더 효과적인 이유는 무엇일까? 저자는 논문에서 Frequent 패턴이 single feature와 비교해 분류문제에 있어 더 유용한 이유를 설명하고 실험을 통해 나타낸다. Frequent…
M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network
Scale의 변화는 object detection분야에서 중요한 요소중 하나이며 다양한 방법론들이 제안되고 있다. Proposed Method backbone과 Multi-Level Feature Pyramid Network(MLFPN)에서 features를 추출한다. SSD와 유사하게 bounding box와 class에…
최신 댓글