논문리뷰(26)
-
[논문리뷰] Amplitude-Phase Recombination
요즘 딥러닝과 forier domain 사이의 관계 또는 조합 관련하여 논문을 읽고 있는데, 그 중 흥미로운 논문 하나를 리뷰하려고한다. https://arxiv.org/abs/2108.08487 Amplitude-Phase Recombination: Rethinking Robustness of Convolutional Neural Networks in Frequency Domain Recently, the generalization behavior of Convolutional Neural Networks (CNN) is gradually transparent through explanation techniques with the frequency components decomposition. Howe..
2022.01.12 -
[논문리뷰] Deep Image Prior(2)
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..
2021.10.31 -
[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 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 ..
2021.10.28 -
[논문리뷰] Threat of Adversarial Attacks on Deep Learning in Computer Vision: A survey
Introduction 딥러닝은 과거 ML과 인공지능 분야에서 해결하지 못했던 문제들을 풀 수 있는 가능성을 가졌다. 풀리지 않는 과학 난제들을 해결하기 위해 사용되고, 최근 speech recognition과 language understanding 문제에서도 많이 쓰이고 있다. (ex. brain circuit, DNA 등) 특히 2012년도에 Convolution Neural Network가 등장하여, Computer vision 분야에서 엄청난 성능을 보였다. 이 이후로 컴퓨터 비전분야에서는 medical science부터 mobile applications까지, 다양한 어려운 문제들을 딥러닝 연구를 통해 풀어내면서 수많은 contributions을 내었다. 딥러닝의 발전과 함께, 점차 안전과 보..
2021.08.15 -
[논문리뷰] FGSM:Explaining and harnessing adversarial examples
최근 Adversarial attack에 대한 논문을 읽고 정리하는 중이다. 이전에 접해본 적이 없는 분야이기 때문에 헷갈리는 부분도 많고, 잘못 이해한 부분이 있을 수 있으니 댓글로 알려주길 바란다. 첫번째로, Adversarial attack의 basic한 논문인 "Explaining and harnessing adversarial examples"를 살펴보려고 한다. 이 논문은 adversarial attack에 대한 취약성을 non-linearity가 아닌 linearity로써 최초로 설명하였고, 비효율적으로 만들어지던 adversarial examples를 빠르고 쉽게 만드는 Fast Gradient Sign Method를 제안하는 등의 기여를 하였다. 이제 본 논문을 천천히 읽어보도록 하자! ..
2021.08.09