Computer Vision110 [2024-1] 염제원 - Siamese Neural Networks for One-Shot Image Recognition https://www.cs.cmu.edu/~rsalakhu/papers/oneshot1.pdf 1-1. Upsides of this approachCapable of learning generic image features useful for making predictions about unknown class distributions even when very few examples are available.Easily trained using standard optimization techniques on pairs sampled from the source data.Provide a competitive approach that does not rely upon domain-specific k.. 2024. 5. 6. [2024-1] 김경훈 - PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation Link : https://arxiv.org/abs/1612.00593 PointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPoint cloud is an important type of geometric data structure. Due to its irregular format, most researchers transform such data to regular 3D voxel grids or collections of images. This, however, renders data unnecessarily voluminous and causes issues. In tarxiv.org 0. 개요Point cloud.. 2024. 4. 30. [2024-1] 주서영 - Don't Decay the Learning Rate, Increase the Batch Size Abstract 모델은 generalizaion(일반화)를 시키는 것이 목표인데 이 논문은 그 방법 중 학습률(learning rate)와 배치 크기(batch size)에 대해 다룬다. 일반적으로 학습률을 감소시키는 대신 훈련 중에 배치 크기를 증가시키는 방법을 제안했다. 최적화(Optimization) 방법 중 SGD, SGD momentum, Nesterov momentum, Adam을 쓸 때에 동등한 테스트 정확도를 달성하면서 배치 크기를 증가시킴에 따라 parameter 업데이트 수를 줄이고, 훈련 시간을 단축했다. 1. Introduction 확률적 경사 하강법(SGD)은 딥러닝에서 가장 널리 사용되는 최적화 기법이지만 큰 배치 크기로 훈련할 때 테스트 세트의 정확도가 떨어지는 일반화 문제가 .. 2024. 4. 12. [2024-1] 양소정 - Generative Adversarial Networks https://arxiv.org/abs/1406.2661 Generative Adversarial NetworksWe propose a new framework for estimating generative models via an adversarial process, in which we simultaneously train two models: a generative model G that captures the data distribution, and a discriminative model D that estimates the probability thatarxiv.org Abstract적대적(adversarial) 프로세스를 통해 생성 모델을 추정하는 프레임워크 제안함이 프레임워크는 'minim.. 2024. 4. 10. 이전 1 ··· 20 21 22 23 24 25 26 ··· 28 다음
