Code Review 썸네일형 리스트형 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 (1) darknet을 분석해 보자 0. Introduction 공식 사이트에 있는 아래의 명령을 파고 들어가 보는 것으로 시작을 해봅니다. ./darknet detector test cfg/coco.data cfg/yolov3.cfg yolov3.weights data/dog.jpg - 실행 파일(darknet.exe)의 시작 지점은 당연 main입니다. 차례차례 들어가 봅니다. - main(example/darknet.c) -> run_detector(src/detector.c) -> test_detector(src/detector.c) 함수가 나타납니다. - test_detector 함수의 아래와 같은 코드로 인해서, 위의 인자는 아래의 각 (포인터) 변수가 가리키게 됩니다. 포인터 변수 가리키는 인자(Argument) char *d.. 더보기 이전 1 다음