본문 바로가기

분류 전체보기

Mitigating the Effect of Incidental Correlations on Part-based Learning 한글 제목: 부분 기반 학습에서 우발적 상관관계의 영향 완화 요약: 이 논문에서는 부분 기반 학습에서 나타나는 우발적 상관관계 문제를 해결하기 위해 분리된 부분 기반 비전 트랜스포머(DPViT)를 소개합니다. DPViT는 독특한 부분 혼합 방식과 자기 감독 규제를 사용하여 전경과 배경 정보의 생성 과정을 분리합니다. 이 방법은 희소성 및 스펙트럼 직교 제약을 적용하여 부분 표현의 고품질을 보장합니다. 연구는 DPViT가 소수샷 학습 작업에서 최신 성능을 달성하고 도메인 변화 및 데이터 손상을 효과적으로 처리함을 보여줍니다. 제안된 방법의 효과는 MiniImageNet, TieredImageNet, FC100 등 다양한 벤치마크 데이터셋에서 검증되었습니다. 자세한 그림과 표는 원본 논문에서 확인할 수 있습.. 더보기
Mitigating the Effect of Incidental Correlations on Part-based Learning 한글 제목: 부분 기반 학습에서 우발적 상관관계의 영향 완화 요약: 이 논문에서는 부분 기반 학습에서 나타나는 우발적 상관관계 문제를 해결하기 위해 분리된 부분 기반 비전 트랜스포머(DPViT)를 소개합니다. DPViT는 독특한 부분 혼합 방식과 자기 감독 규제를 사용하여 전경과 배경 정보의 생성 과정을 분리합니다. 이 방법은 희소성 및 스펙트럼 직교 제약을 적용하여 부분 표현의 고품질을 보장합니다. 연구는 DPViT가 소수샷 학습 작업에서 최신 성능을 달성하고 도메인 변화 및 데이터 손상을 효과적으로 처리함을 보여줍니다. 제안된 방법의 효과는 MiniImageNet, TieredImageNet, FC100 등 다양한 벤치마크 데이터셋에서 검증되었습니다. 자세한 그림과 표는 원본 논문에서 확인할 수 있습.. 더보기
Test Title Test Content 더보기
2.1 Systems of Linear Equations 2.1 Systems of Linear Equations 선형 방정식 시스템은 선형대수에서 중요한 역할을 합니다. 많은 문제가 선형 방정식으로 표현이 가능하고 선형대수는 방정식을 풀 수 있는 도구를 제공합니다. Example 2.1 한 회사는 $R_{1}, ..., R_{m}$ 자원을 필요로 하는 제품 $N_{1}, ..., N_{n}$을 생산하였습니다. 제품 $N_{j}$의 기본 단위를 생산하기 위해, $R_{i}$가 $a_{ij}$ 만큼 필요하다고 해 봅시다. i=1, ... m, j=1, ..., n 최적의 생산 라인을 찾는 것이 목적이라면 즉, 전체 $b_{i}$ 단위의 자원 $R_{i}$만 가능하다고 할때, 얼마나 많은 제품 $N_j$의 단위 $x_j$가 생산될 수 있는지를 찾는 것이 목표가 될.. 더보기
YOLOv5 분석(3) - Tips for Best Training Results 출처: https://github.com/ultralytics/yolov5/wiki/Tips-for-Best-Training-Results GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub. github.com 위의 사이트를 참고 하여 최적의 YOLOv5 학습 방법을 알아보겠습니다. 데이터 셋 양이 충분히 크고, 라벨이 잘되어 있다면 대부분의 경우 모델 및 학습 방법 수정 없이도 좋은 결과를 얻을 수 있습.. 더보기
YOLOv5 분석(1) - The History of YOLO 출처: https://docs.ultralytics.com/ YOLOv5 Documentation Introduction To get started right now check out the Quick Start Guide What is YOLOv5 YOLO an acronym for 'You only look once', is an object detection algorithm that divides images into a grid system. Each cell in the grid is responsible for detecting objec docs.ultralytics.com YOLOv5 Shortly after the release of YOLOv4 Glenn Jocher introduce.. 더보기
Mathmatics for Machine Learning 번역 1. Introduction and Motivation 기계학습은 수학을 언어로 하여 직관적으로 명백해보지만, 공식화 하기 어려운 개념을 표현합니다. 적절하게 공식화 되면, 학습자는 풀고자 하는 문제에 대한 인사이트를 얻을 수 있습니다. 수학을 공부하는 학생들의 공통된 불만 사항은 책에서 다루는 주제가 일상에서 부딫히는 현실적인 문제랑 관련이 없어 보인다는 것에 있습니다. 필자는 기계학습이 독자로 하여금 수학을 배우도록하는 명백하고 직접적인 동기가 될것으로 믿고 있습니다. 필자는 전통적인 머신러닝 알고리즘을 기술하는 것을 목표로 하지 않았습니다. 대신에, 4가지 중점적인 머신러닝 문제에 적용되는 수학적인 배경을 제공하여 다른 머신러닝 교과서를 더 쉽게 읽을 수 있도록 하는 것을 목표로 하였습니다. (중략.. 더보기
[Coursera] Self-Driving Car, Visual Perception(Assignment 1) 출처 : https://www.coursera.org/learn/visual-perception-self-driving-cars/home/week/1 Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera Learn online and earn valuable credentials from top universities like Yale, Michigan, Stanford, and leading companies like Google and IBM. Join Coursera for free and transform your career with degrees, certificates, Specializatio.. 더보기