HyperML

Domain adaptation이란 일반적으로 사람들은 imagenet이나 coco dataset으로 학습한 모델을 사용하여, 내가 하고자 하는 task에 적용을 해본다음 성능을 높이기 위해, transfer learning등의 단계로 넘어간다. imagenet과 같은 학습용 open dataset은 구하기 쉬우나, 세상 모든 task에 대응할 수는 없다. 이를테면 공사현장 cctv등을 감시하는 시스템을 개발한다고 하면, imagenet이나 coco person에서 학습한 object detector 모델을 그대로 사용하여 detection등을 수행할 경우, 처참한 결과를 보게 된다. 여기서 domain adaptation의 필요가 생겨났다. 이미 유사하게 학습한 모델을 적은 노력을 들여서 catastr..

Surveys: https://arxiv.org/pdf/1802.03601.pdf https://arxiv.org/pdf/1702.05374.pdf Awesome DA: https://porter.io/github.com/artix41/awesome-transfer-learning Porter.io Porter.io porter.io SDA(Supervised Domain Adaptation): CCSA: Unified Deep Supervised Domain Adaptation and Generalization (2017) FADA: Few-Shot Adversarial Domain Adaptation (2017) Augmented-Cyc: Augmented Cyclic Adversarial Learn..

두 가지 종류의 CenterNet이 있다 하나는 본 논문 Objects as Points 나머지 하나는 CenterNet: Keypoint Triplets for Object Detection 둘다 arxiv.org 기준으로 19.04에 등재되었다. 지난번 소개한 CornerNet 과 같이 keypoint heatmap 방식으로 object detection을 수행하는 논문들이 늘고 있는데 본 논문도 그런 흐름위에 있다. Centernet의 특징은? - 별도의 anchorbox없이 object detection을 object의 중앙에 놓인 point의 heatmap으로 결정한다는 점 - 중앙 point의 feature값으로 detection뿐 아니라 object size, dimension, 3D ext..

CornerNet은 1-stage 계열에서 새로운 방식으로 등장한 object detector이다. 일반적으로 box를 나타내는 top-left, bottom-right 정보를 바로 keypoint detection으로 찾는 방식인데, 마치 2d human pose estimation에서 heatmap을 가지고 joint의 keypoint를 찾는 것과 유사하다. 기존의 1-stage detector와 무엇이 다른가? 1. bounding box를 pair corner point로 찾고 각각의 포인트의 embedding을 통해 pair를 구성한다. 100k에 이르는 anchor box가 필요하지 않다 2. corner pooling : left-most, top-most 검색을 하고, max인 교차점을 구..

원문 : https://openai.com/blog/deep-double-descent/?fbclid=IwAR2kjb-SCR2wEWWlIKk3lnzVh9y_VYIInryB-DH7gBIcApi4xfdKRllnlx8 Deep Double Descent We show that the double descent phenomenon occurs in CNNs, ResNets, and transformers: performance first improves, then gets worse, and then improves again with increasing model size, data size, or training time. This effect is often avoided through careful op..

"Recent Advances in Deep Learning for Object Detection" 출처 : https://arxiv.org/pdf/1908.03673v1.pdf 제목 링크 출판연도 관련링크 FCOS: Fully Convolutional One-Stage Object Detection https://arxiv.org/pdf/1904.01355.pdf 19.04 https://github.com/tianzhi0549/FCOS CenterNet: Keypoint Triplets for Object Detection https://arxiv.org/pdf/1904.08189.pdf 19.04 https://github.com/xingyizhou/CenterNet NAS-FPN: Learning..