전체 글92 [논문리뷰]PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation Paper OverviewCVPR'20https://arxiv.org/abs/2004.01658 PointGroup: Dual-Set Point Grouping for 3D Instance SegmentationInstance segmentation is an important task for scene understanding. Compared to the fully-developed 2D, 3D instance segmentation for point clouds have much room to improve. In this paper, we present PointGroup, a new end-to-end bottom-up architecture, specarxiv.orgAbstract본 논문은 새.. 2025. 3. 19. mAP와 IoU란 무엇인가? 컴퓨터 비전의 recognition task에는 대표적으로classification, object detection, segmentation 이 있다.이때 각 task마다 모델 성능을 나타내기 위한 지표가 있다. classification: accuracyobject detection: mAPsegmentation: mAP, IoU 이때 classification의 accuracy는 말 그대로 모델의 전체 예측 중에서 올바르게 예측한 비율을 나타낸다.$Accuracy = \frac{TP + TN}{TP + TN + FP + FN}$ 정확도는 평소에 쉽게 접할 수 있는 metric이나, mAP와 IoU는 추가적인 이해가 필요하다.1. mIoU란?IoU란 Intersection over Union의 약자로 .. 2025. 3. 5. [논문리뷰] C2AE: Class Conditioned Auto-Encoder for Open-set Recognition Paper OverviewCVPR'19https://arxiv.org/abs/1904.01198 C2AE: Class Conditioned Auto-Encoder for Open-set RecognitionModels trained for classification often assume that all testing classes are known while training. As a result, when presented with an unknown class during testing, such closed-set assumption forces the model to classify it as one of the known classes. Howearxiv.org Abstract 신경망 모델에 .. 2024. 5. 14. Pytorch Weighted cross entropy 구현 cross entropy는 일반적으로 torch.nn 라이브러리를 통해사용할 수도 있지만, 이를 변형하기 위해서는 cross_entropy를 구현할 수도 있어야 한다. 다음은 일반적인 cross entropy다.output = model(input)output = F.log_softmax(output, dim=-1)target = F.one_hot(label, num_classes = N)loss = -(target*output).sum(dim=-1)loss = loss.sum()/output.shape[0] 이때 weighted 옵션을 주면 다음과 같다.output = model(input)output = F.log_softmax(output, dim=-1)target = F.one_hot(label,.. 2024. 4. 26. [논문리뷰] AdaCos: Adaptively Scaling Cosine Logits for Effectively Learning Deep Face Representations Paper OverviewCVPR'19https://arxiv.org/abs/1905.00292 Abstract 저자들은 cosine-based softmax loss의 중요 hyperparameter 2개의 효과에 대해심층 조사를 한다.(sale parameter, angular margin parameter)이 분석을 기반으로, 저자들은 AdaCos라는 새로운 cosine-based softmax loss를 제안한다.이것은 hyperparameter-free loss이고 자동적으로 scale paramter가 조정된다. my comment"하이퍼파라미터든 뭐든 자동으로 정해지는 모델은내 task에 적용할 때 제대로 작동하지 않는 경우가 종종 있다.그러니 하이퍼 파라미터 분석 위주로 살펴보는 것을 추천.. 2024. 4. 25. [논문리뷰] MSDN: Mutually Semantic Distillation Network for Zero-Shot Learning MathJax = { tex: {inlineMath: [['$', '$'], ['\\(', '\\)']]} }; Paper OverviewCVPR'22https://openaccess.thecvf.com/content/CVPR2022/html/Chen_MSDN_Mutually_Semantic_Distillation_Network_for_Zero-Shot_Learning_CVPR_2022_paper.html CVPR 2022 Open Access RepositoryMSDN: Mutually Semantic Distillation Network for Zero-Shot Learning Shiming Chen, Ziming Hong, Guo-Sen Xie, Wenhan Yang, Qinmu .. 2024. 4. 22. 이전 1 2 3 4 5 6 7 ··· 16 다음
