전체 글78 [2024-2] 김경훈 - UNet++ : A Nested U-Net Architecture for Medical Image Segmentation Link : https://arxiv.org/abs/1807.10165 UNet++: A Nested U-Net Architecture for Medical Image SegmentationIn this paper, we present UNet++, a new, more powerful architecture for medical image segmentation. Our architecture is essentially a deeply-supervised encoder-decoder network where the encoder and decoder sub-networks are connected through a series of nesarxiv.org 이번 포스팅은 객체를 인식하는 방법 중 .. 2024. 9. 5. [2024-1] 홍연선 - ImageNet Classification with Deep Convolutional Neural Networks 1. Introduction더 많은 이미지 데이터를 학습하기 위해서는 그만큼의 더 큰 학습량을 가진 모델이 필요하다. 하지만 객체 인식 작업의 복잡성 때문에 그 대용량 데이터셋으로도 잘 인식해내기에 부족할 수 있으므로, 모델은 부족한 데이터를 보완할 수 있는 사전지식을 더 많이 가져야한다고 말한다. 합성곱신경망(convolutional neural networks; CNNs)이 그러한 모델중에 하나이다.CNN은 이러한 모델 클래스 중 하나로, 이들의 용량은 깊이와 너비를 조절하여 관리할 수 있다. 또한 CNN은 이미지의 특성에 대해 강력하고 대체로 정확한 가정을 하며, 따라서 유사한 크기의 층을 가진 표준 피드포워드 신경망보다 훨씬 적은 연결과 파라미터를 가지고 있어 훈련하기가 더 쉽다.※ Feedfo.. 2024. 6. 29. [2024-1] 양소정 - A Survey of the State of Explainable AI for Natural Language Processing https://arxiv.org/abs/2010.00711Abstract최근 몇 년간 state-of-the-art 모델의 품질이 크게 향상되었지만, 해석 가능성이 감소했다.2020년 기준 자연어 처리(NLP) 분야에서의 설명 가능한 인공지능(Explainable AI, XAI)의 상태를 다룬다.모델 개발자를 위한 NLP 모델 예측에 대한 설명을 생성하는 데 사용할 수 있는 작업과 기술을 자세히 설명한다.마지막으로 현재 부족한 점을 지적하고 향후 연구 방향을 제시한다.Introduction기존의 NLP 시스템은 규칙(rules), 의사결정 트리(decision trees), 히든 마르코브 모델(hidden Markov models), 로지스틱 회귀(logistic regressions) 등 ‘화이트 박스.. 2024. 6. 29. [2024-1] 박지연 - Generative Adversarial Nets https://arxiv.org/pdf/1406.2661* "$ $" 표시는 수식 표시Abstract생성 모델을 adversarial process를 통해 추정하는 framework2개의 모델을 동시에 훈련$G$ (generative model): 데이터 분포를 포착하는 생성 모델이다. 이 모델의 훈련 절차는 모델 D가 실수할 확률을 최대화하는 것$D$ (discriminative model): 샘플이 모델 G보다는 training data에서 나왔을 확률을 추정하는 판별 모델IntroductionGenerative modelmaximum likelihood estimation과 관련된 많은 부정확한 확률 계산을 근사하는 것에 대한 어려움과 linear units의 장점 활용에 어려움이 있었음 ⇒ 본 논.. 2024. 6. 29. 이전 1 2 3 4 5 ··· 20 다음
