1. Introduction 사람은 새로운 개념을 배울 때 아주 적은 수의 데이터로도 object에 대해 generalize하는 것이 가능하다. 하지만 CNN은 어떠한가? 위의 기린이라는 새로운 object를 학습하려면 많은 이미지를 필요로 한다. 이미지 데이터와 그 label을 만드는 것은 간단하게 생각해보아도 비용이 매우 비쌀 것이다. "few-shot learning"은 Neural Network도, 사람과 같이, 새로운 개념을 배울 때 아주 적은 데이터로도 잘 학습할 수 있도록 만드는 것을 목표로 한다. 출처: https://nanonets.com/blog/data-augmentation-how-to-use-deep-learning-when-you-have-limited-data-part-2/ l..

Transformer는 최근 들어 자연어 처리와 비전 분야 모두에서 월등한 성능을 보이면서 발전하고 있다. 이러한 Transformer를 처음으로 제안한 논문이 바로 "Attention is all you need"이 되시겠다 ㅎㅎ. 자연어 처리 수업을 들었을 때 처음 접했던 논문이지만 비전 쪽에서도 transformer를 많이 다루고, 필자도 연구에서 관련 모델을 사용해야 해서 리뷰를 한 번 해보려고한다. https://arxiv.org/abs/1706.03762 Attention Is All You Need The dominant sequence transduction models are based on complex recurrent or convolutional neural networks in..

지난 번에 이어서 계속 리뷰를 해보도록 하겠다! 이전 리뷰를 안봤다면 먼저 보고오도록!! https://aistudy9314.tistory.com/47 [논문리뷰] Deep Image Prior(1) 이번에 소개할 논문은 Deep Image Prior라는 제목의 paper이다. 이 논문을 읽었을 때, 기존 딥러닝에 대한 고정관념이 '팍' 깨지는 느낌이 들었다. 그만큼 singular한 논문이었고, 심지어 결과도 잘 나오 aistudy9314.tistory.com 지난번 마지막 파트에서 CNN Architecture의 파라메터 $\theta$를 반복적으로 업데이트 시킴으로써 clean한 이미지를 얻을 수 있다라는 Deep Image Prior Method의 전체 flow를 보았다. 일반적으로 생각하였을 때..

이번에 소개할 논문은 Deep Image Prior라는 제목의 paper이다. 이 논문을 읽었을 때, 기존 딥러닝에 대한 고정관념이 '팍' 깨지는 느낌이 들었다. 그만큼 singular한 논문이었고, 심지어 결과도 잘 나오니 할 말이 없다.... 서론은 빠르게 넘어가고, 이제 한 번 살펴보도록 하자! 쓰다보니 내용이 매우 길어져서, 두 파트로 나누어서 작성하려고 한다. Deep Image Prior는 2017년도에 assignment된 paper이고, Image Reconstruction 분야에서 기존 딥러닝의 학습 meta를 사용하지 않고도 매우 뛰어난 성능을 보여주면서 사람들의 주목을 받았다. 1. Reconstruction Tasks 먼저 이 논문에서 등장하는 Reconstruction Task의 ..

오늘은 Image Super Resolution 논문을 하나 공부해보려고 한다. 이전에 접해본 적이 없는 분야라서 틀린 부분이 있거나 추가로 넣어야 하는 정보가 있다면 댓글로 써주길 바란다. 논문의 이름은 Image Super Resolution Using Deep Convolutional Networks이다. 링크: https://arxiv.org/abs/1501.00092 처음으로 딥러닝을 Super Resolution Task에 적용한 논문이고, CNN + SR의 입문서 같은 느낌이라 리뷰하게 되었다.논문을 순서대로 살펴볼 것이고, 세세하게 보려고한다. 1. Introduction 출처: commons.wikimedia.org/wiki/File:Phobos_in_super-resolution_%E2..