티스토리

LCY

검색하기

블로그 홈

LCY

lcyking.tistory.com/m

PIAI 님의 블로그입니다.

구독자: 6

방명록 방문하기

주요 글 목록

[논문리뷰] Anchor DETR 참조 [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. lcyking.tistory.com 들어가며 Anchor DETR은 DETR을 기반으로 작성된 논문입니다. 기존 DETR은 Transformer 구조를 Obect Detection에 처음으로 적용하면서 큰 관심을 이끌었습니다. 하지만 객체를 추정하는 Object Queries가 어떤 의미를 가지는지 명확하지 않고, 어느 영역에 초점을 두는지에 대한 모.. 공감수 0 댓글수 2 2024. 4. 17.
[논문리뷰] DAB-DETR 참조 [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. lcyking.tistory.com [논문 리뷰] Conditional DETR 들어가며 이 글은 DETR에 대한 사전지식이 있다는 가정하에 작성되었습니다. [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다.. 공감수 0 댓글수 0 2024. 4. 7.
[논문 리뷰] Denoising DETR(DN-DETR) 참조 [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. lcyking.tistory.com [논문리뷰] DAB-DETR 참조 [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Ob lcyk.. 공감수 0 댓글수 0 2024. 4. 4.
[논문 리뷰] Conditional DETR 들어가며 이 글은 DETR에 대한 사전지식이 있다는 가정하에 작성되었습니다. [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. lcyking.tistory.com 기존 DETR은 Transformer를 Object Detection에 적용하여 많은 Hand-Crafted Module(NMS, Anchor) 등을 없앴지만, 수렴하는데 500 Epoch정도 학습해야 하는 낮은 수렴속도를 가졌습니다. 본 논문은.. 공감수 0 댓글수 0 2024. 3. 29.
[논문 리뷰] Deformable DETR 들어가며 이 글은 DETR와 Deformable Convolution에 대한 사전지식이 있다는 가정하에 작성되었습니다. [논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. lcyking.tistory.com 본 논문은 DETR의 후속 연구입니다. 후속 연구인만큼 기존 DETR의 제한점을 극복하고 더 나은 차별점을 내세운 논문이겠지요. 기존 DETR은 Transformer 구조를 Object Detection.. 공감수 1 댓글수 0 2024. 3. 28.
[논문리뷰] DETR: End-to-End Object Detection with Transformer 들어가며 본 논문은 Object Detection과 Transformer의 사전 지식이 있다는 가정하에 작성되었습니다. 오늘 리뷰할 논문은 DETR입니다. 이 논문은 Object Detection에 Transformer를 적용시킨 최초의 논문입니다. 그래서 이후에도 이 논문을 기준으로 Transformer를 Object Detection에 적용한 후속 연구가 많이 이루어졌습니다. 먼저 기존에 주로 사용되었던 2-stage Object Detection인 Faster R-CNN과 어떻게 변했는지 살펴보기 위해, 아래 Faster R-CNN 네트워크를 가져왔습니다. 위의 Faster R-CNN 같이 기존 Object Detection 모델은 최종출력 후에 중복된 박스를 제거하는 후처리(NMS) 과정이 필요합.. 공감수 0 댓글수 0 2024. 3. 22.
[논문리뷰] Cascade R-CNN 들어가며 이 글은 Faster-RCNN에 대한 사전 지식이 있다는 가정하에 작성되었습니다. 본 논문에서 Object Detection에 대한 학습을 진행할 때 Detector의 Predict와 Ground-Truth(GT) 사이의 IOU(Intersection Over Union)를 결정하는 임계값(Threshold) \( \mu \)에 따라 성능이 크게 좌우한다고 합니다. 그런데 고품질의 Object Detection을 학습하는 데 있어서 최적의 Threshold 결정하는 것은 몇 가지 어려움이 존재합니다. 만약 "너무 낮은 임계값을 사용하면 많은 Noise낀 BBox가 Positive로 선정되어 학습에 어려움"이 있고, 반대로 "너무 높은 임계값을 사용하면 아주 작은 BBox에 대한 Positive만.. 공감수 0 댓글수 0 2024. 3. 18.
[논문리뷰] Exploring Plain Vision Transformer Backbones for Object Detection 들어가며 이 논문은 사전 학습된 비계층적 구조인 ViT를 백본으로, Object detection에 활용한 모델입니다. 논문의 핵심은 아래와 같습니다. Multi-Scale의 feature map으로부터 여러 계층 구조를 활용하는 FPN은 불필요하고, Single-scale의 feature map으로부터의 심플한 feature pyramid로 충분함 Fine-Tuning의 과정에서 window attention을 사용하는데, cross-window는 모든 블럭에블록에 적용하지 않고, 아주 적은 블록에 적용하는 것만으로도 충분함(Swin 참고 링크). Pre-Training 과정에 ViT 백본은 Masked Autoencoders(MAE)로 사전 학습 되었음(MAE 참고 링크). 기존 Object Dete.. 공감수 0 댓글수 0 2024. 1. 16.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.