VirTex: Learning Visual Representations from Textual Annotations
Keywords: Image captioning, pretraining, transfer learning [논문링크] introduction시각적 표현을 학습하는데 있어 일반적으로 pretrain된 CNN을 이용한다. 이러한 접근법은 성공적이나, human workers에 의한 정보이므로 pretrain을 위한 데이터셋을…
[ ICML 2015 ] Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
CNN 모델을 보면, BN레이어 라는 것이 있는 버전이 있고 없는 버전이 있었다. BatchNorm2D 라는 레이어를 보고 batch normalization이 무언인지, 있으면 뭐가 좋고 없으면 뭐가 좋길래…
[NIPS 2017]Dynamic Routing Between Capsules
Introduction 우리가 잘 아는 CNN은 특징을 검출하는 법을 학습하여 이를 통해 나오는 feature를 해석하는 네트워크입니다. 이는 영상 각각의 위치를 돌아다니면서 좋은 가중치 값을 얻게끔 하여…
[CVPR 2019:Visual localization] From Coarse to Fine: Robust Hierarchical Localization at Large Scale
Intro 이번에 리뷰할 논문은 앞선 리뷰 visual retrieval 기반 localization인 ‘Leveraging deep visual descriptors for hierarchical efficient localization‘ 의 확장 연구입니다. 이전 리뷰에서는 learnable 부분이…
[ICRA2020]Global visual localization in LiDAR-maps through shared 2D-3D embedding space
1. Introduction GNSS를 사용한 Localization 은 현대 도시에서 한계를 보이기 때문에 Visual 방식을 사용해야함 visual 방식으로 는 lidar 방식과 vision 방식이 있다 Lidar 방식은 아직…
[NIPS2017] PointNet++: Deep Learning on Point Sets for 3D Classification and Segmentation
논문: PointNet++: Deep Learning on Point Sets for 3D Classification and Segmentation 블로그 시리즈:1. Review: PointNet 이번 논문은 지난 PointNet[1] 리뷰에 이어 같은 연구자 발표한…
세종 RCV 국제학술대회 제출기를 읽고 느낀점 및 앞으로의 목표
정신이 없다보니 아주 잊어버리고 있어 늦게 나마 한대찬/황유진 님이 올려주신 국제학술대회 제출 후기를 읽고 든 생각을 정리하려합니다. 두 분의 학술대회 후기를 읽으면서 앞선 ICRA 논문을…
[CVPR 2010] Line Matching Leveraged By Point Correspondences
두 영상에서 동일한 지점을 찾아내는 알고리즘으로는 대표적으로 SIFT, SURF 등등 이 있습니다. 그러나 두 영상이 실내에서 촬영되어 그렇다할 특징들이 없다면 두 영상을 매칭하는데 있어 큰…
세종 RCV 국제학술대회 제출기를 읽고 느낀점 및 앞으로의 목표
처음으로 참여하게 된 학회인 IPIU 에서 아무것도 모르는 채 포스터들을 둘러봤던 기억이 떠오른다. 그때, 자신들이 쓴 논문들을 발표하던 많은 사람들이 있었는데, 그 중에 RCV랩실 연구원들이…
세종 RCV 국제학술대회 제출기를 읽고 느낀점 및 앞으로의 목표
랩실에 들어와 적응이 될 쯤, 외국 어딘가에 논문을 낸다고 연구실이 정신 없던 시기가 있었습니다. 그 땐 그냥 ‘와 붙으면 이력서에 쓸거 하나 생기고, 파리가고 좋겠네’라고만…
안녕하세요. 질문 감사합니다. 1. 본 모델에서 학습 과정은 합성 데이터셋으로 사전학습하는 과정과 real 데이터셋으로 파인튜닝 단계로 나뉘는데 논문에서는 두 학습과정에서…