KalelPark's LAB

GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/Awesome-ComputerVision GitHub - kalelpark/Awesome-ComputerVision: Awesome-ComputerVision Awesome-ComputerVision. Contribute to kalelpark/Awesome-ComputerVision development by creating an account on GitHub. github.com Abstract Bootstrap Your Own Latent (BYOL)은 서로 상호작용하고 학습하는 온라인과 대상 ..

GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/Awesome-ComputerVision GitHub - kalelpark/Awesome-ComputerVision: Awesome-ComputerVision Awesome-ComputerVision. Contribute to kalelpark/Awesome-ComputerVision development by creating an account on GitHub. github.com Abstract Fine Grained Classification은 여러 하위 범주에 속하는 객체를 인식하는 것을 목표..

* 본 논문에서, 활용되는 내용입니다. (참고하시기 바랍니다.) https://kalelpark.tistory.com/45 [ 논문 리뷰 ] Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/Awesome-ComputerVision GitHub - kalelpark/Awesome-ComputerVis kalelpark.tistory.com Jigsaw Permutations Table - Self Supervised Le..

GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/Awesome-ComputerVision GitHub - kalelpark/Awesome-ComputerVision: Awesome-ComputerVision Awesome-ComputerVision. Contribute to kalelpark/Awesome-ComputerVision development by creating an account on GitHub. github.com Abstract Prototype 기반 방법론들은 블랙박스 특성을 해결하기 위해 해석 가능한 표현을 사용합니다. 본 논..

All about Classification Metrics - Medical 및 Classification에는 여러가지 Metrics들이 존재합니다. * 이진 분류를 예시로 설명을 진행하도록 하겠습니다. * 반드시 알고 가셔야 합니다...! Accuracy - 가장 대표적으로 사용되는 지표로 전체 데이터 중, 제대로 분류된 데이터의 비율을 의미합니다. - 수식으로는, accuracy = (TP + TN) / Total Sensitivity (Recall or True Positive Rate) - 민감도라고 하는데, Sensitive 또는 Recall이라고도 합니다. - 예를 들면, 암 환자 100명중에서 90명을 예측해서 맞췄을 경우, Sensitivity = 0.9가 됩니다. - 수식으로는, Sens..

Meta Learning? - 인공지능 분야에서의 메타러닝은 새로운 개념 또는 테스크를 빠르게 학습하기 위해 학습을 학습(learning to learn)하는 방법 이라고 합니다. 즉, 새로운 태스크를 더 빨리 학습하기 위해 이전의 학습 경험을 적극적으로 활용하는 방법이라고 생각할 수 있습니다. - 메타러닝의 핵심 아이디어는 학습 에이전트가 단순히 해당 데이터를 학습하는 것뿐만 아니라, 자신의 학습 능력을 스스로 향상시킨다는 것입니다. - 메터러닝과 자주 언급되는 개념으로 멀티 태스크 러닝이 존재합니다. 멀티 태스크 러닝은 하나의 모델이 다양한 여러 테스크를 잘 학습하고, 테스트 시 학습한 태스크들과 같은 여러 태스크를 잘 수행하는 것을 목표로 합니다. Dataset for Meta Learning Om..

GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/AI_PAPER GitHub - kalelpark/AI_PAPER: Machine Learning & Deep Learning AI PAPER Machine Learning & Deep Learning AI PAPER. Contribute to kalelpark/AI_PAPER development by creating an account on GitHub. github.com Abstract 최근 Vision Transformer가 강세를 보이고 있습니다. Transformer의 self attent..

GitHub를 참고하시면, CODE 및 다양한 논문 리뷰가 있습니다! 하단 링크를 참고하시기 바랍니다. (+ Star 및 Follow는 사랑입니다..!) https://github.com/kalelpark/AI_PAPER GitHub - kalelpark/AI_PAPER: Machine Learning & Deep Learning AI PAPER Machine Learning & Deep Learning AI PAPER. Contribute to kalelpark/AI_PAPER development by creating an account on GitHub. github.com Introduction ✨ 해당 논문은 연구에 따른 new scaling method을 적용한 EfficientNet을 소개합..