📲PROJECT/논문읽기

    [논문읽기] 12. YOLO v1
    📲PROJECT/논문읽기

    [논문읽기] 12. YOLO v1

    Unified Pipeline = YOLO!0. AbstractYOLO는 이전 방식과 다르게, object detection을 공간적으로 분리된 bounding boxes와 클래스 확률로 regression을 간주한다. 단일의 뉴럴 네트워크가 한 번의 평가로 전체 이미지에서 bounding boxes와 클래스 확률을 예측한다. 전체 detection 파이프라인이 단일 네트워크이기 때문에, detection 성능에 대해 직접적으로 end-to-end로 최적화될 수 있다.이 통합된 구조는 매우 빠르다. YOLO는 localization 에러를 더 많이 만들지만, 배경에 대한 false ..

    [논문읽기] 11. WGAN-GP : Improved Training of Wasserstein GANs
    📲PROJECT/논문읽기

    [논문읽기] 11. WGAN-GP : Improved Training of Wasserstein GANs

    weight clipping → Gradient penalty0. AbstractWGAN에서 critic에 대해 Lipschitz constraint를 강요하기위한 weight clipping이 발생시키는 문제, 즉 undesired behavior로 이끌 수 있다 라는 것을 발견했다. 논문에서는 weight clipping 대신에 다른 것을 제안한다 : 입력에 대하여 critic의 gradient norm을 처벌하는 것이다.1. IntroductionWGAN은 discriminator(논문에선 critic)이 1-Lipshichtz function의 공간에 놓여져있기를 원한다.(저자들은 weight clippin..

    [논문읽기] 10. CGAN
    📲PROJECT/논문읽기

    [논문읽기] 10. CGAN

    "GAN + Condition y"0. Abstract이 논문에서는 conditional 버전의 GAN에 대해서 설명할 것이다. 이는 간단하게 y 데이터를 추가함으로써 generator와 discriminator에 condition을 줄 수 있다. 이 모델을 통해서 MNIST dataset을 클래스 라벨 조건에 맞춰서 생성할 수 있다.1. IntroductionUnconditioned generative model에서는 데이터가 생성되는데에 통제권이 없다. 하지만 추가적인 정보를 모델에 입력하여 conditioning하면 데이터 생성과정에 영향을 미칠 수 있다. 이러한 conditioning은 클래스 라벨, 인페인팅 데이터의 일..

    [논문읽기] 09-1. LSGAN MNIST with Keras
    📲PROJECT/논문읽기

    [논문읽기] 09-1. LSGAN MNIST with Keras

    LSGAN_MNIST_Kerashttps://github.com/eriklindernoren/Keras-GAN/blob/master/lsgan/lsgan.py1. Load ModulesIn [13]:from __future__ import print_function, division from keras.datasets import mnist from keras.layers import * from keras.models import * from keras.optimizers import * import matplotlib.pyplot as plt import sys import numpy as np import tensorflow as tf 2. Build NetworkIn [59]:class LSGAN..

    [논문읽기] 09. LSGAN
    📲PROJECT/논문읽기

    [논문읽기] 09. LSGAN

    0. Abstract최근 비지도 학습에 대한 GAN의 성능이 성공적임을 증명했다. 기존의 Vanilla GAN은 분류기로써 discriminator를 가정하고, sigmoid cross entropy loss function을 사용했다. 하지만 이 loss function이 학습과정에서 “Gradient Vanishing” 문제를 발생시킬 수 있다는 것을 발견했다. 이러한 문제를 해결하기 위해서는 이 논문에서 말하는 discriminator의 loss function에 least square를 채택하는 Least Square Generative Adversarial Networks를 사용해야한다. 새로운..

    [논문읽기] 08-1. WGAN MNIST With Keras
    📲PROJECT/논문읽기

    [논문읽기] 08-1. WGAN MNIST With Keras

    From_GAN_to_WGAN_Implementationwith KerasIn [63]:from keras.models import * from keras.layers import * from keras.optimizers import* import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import cv2,PIL 1. View MNIST DATASET (Just See)In [7]:(X_train,y_train),(X_test,y_test) = tf.keras.datasets.mnist.load_data() In [ ]:X_train = X_train.astype(np.float32).reshape(-1, 28,28) /..

티스토리툴바