์ ์ฒด ๊ธ122 [DL/WIL] 3 ํ ์คํธ ๋ฐ์ดํฐ๋ฅผ ์ํ ์ธ๊ณต ์ ๊ฒฝ๋ง ์ ๋ ฅ ๋ฐ์ดํฐ์ ํ๋ฆ์ด ์์ผ๋ก๋ง ์ ๋ฌ๋๋ ์ ๊ฒฝ๋ง์ ํผ๋ํฌ์๋ ์ ๊ฒฝ๋ง(feedforward neural network)๋ผ๊ณ ํ๋ค.Fully connected neural network ๋ Convolution neural network ๋ ๊ธฐ์ต ์ฅ์น๊ฐ ์์ด์, ํ๋์ ์ํ(๋๋ ํ๋์ ๋ฐฐ์น)๋ฅผ ์ฌ์ฉํ์ฌ ์ ๋ฐฉํฅ ๊ณ์ฐ์ ์ํํ๊ณ ๋๋ฉด ๊ทธ ์ํ์ ๋ฒ๋ ค์ง๊ณ ๋ค์ ์ํ์ ์ฒ๋ฆฌํ ๋ ์ฌ์ฌ์ฉํ์ง ์๋๋ค. ์ ๊ฒฝ๋ง์ด ์ด์ ์ ์ฒ๋ฆฌํ๋ ์ํ์ ๋ค์ ์ํ์ ์ฒ๋ฆฌํ๋๋ฐ ์ฌ์ฌ์ฉํ๊ธฐ ์ํด์๋ ์ด๋ ๊ฒ ๋ฐ์ดํฐ ํ๋ฆ์ด ์์ผ๋ก๋ง ์ ๋ฌ๋์ด์๋ ๊ณค๋ํ๋ค.๋ค์ ์ํ์ ์ํด์ ์ด์ ๋ฐ์ดํฐ๊ฐ ์ ๊ฒฝ๋ง ์ธต์ ์ํ๋ ํ์๊ฐ ์๋ค. ์ํ ์ ๊ฒฝ๋ง(Recurrent Neural Network, RNN)์ํ ์ ๊ฒฝ๋ง์์๋ ํน๋ณํ ์ธต์ cell ์ด๋ผ๊ณ ๋ถ๋ฅธ๋ค. ํ .. 2024. 11. 23. [DL/WIL] 2 ํฉ์ฑ๊ณฑ ์ ๊ฒฝ๋ง(Convolution Neural Network, CNN) ํํฐ์ ์ปค๋Convolution Neural Network ์์๋ Fully Connected Neural Network ์๋ ๋ค๋ฅด๊ฒ ๋ด๋ฐ์ Filter ๋ผ๊ณ ๋ถ๋ฅธ๋ค.๋ด๋ฐ = ํํฐ = ์ปค๋ ๋ชจ๋ ๊ฐ์ ๋ง์ด๋ผ๊ณ ์๊ฐํด๋ ๋๋ค.Keras ์์ Filter ๋ ๋ด๋ฐ ๊ฐ์๋ฅผ, Kernel ์ ์ ๋ ฅ์ ๊ณฑํด์ง๋ ๊ฐ์ค์น๋ฅผ ์๋ฏธํ๋ค. ํฉ์ฑ๊ณฑ ์ ๊ฒฝ๋ง์์ ์ค์ ๊ณ์ฐ์ ๋ฐ์ง์ธต๊ณผ ๋์ผํ๊ฒ ๋จ์ํ ์ ๋ ฅ๊ณผ ๊ฐ์ค์น๋ฅผ ๊ณฑํ๋ ๊ฒ์ด์ง๋ง 2์ฐจ์ ํํ๋ฅผ ์ ์งํ๋ ์ ์ด ๋ค๋ฅด๋ค. ๋ ์ ๋ ฅ๋ณด๋ค ํจ์ฌ ์์ ํฌ๊ธฐ์ ์ปค๋์ ์ฌ์ฉํ๊ณ ์ ๋ ฅ ์๋ฅผ (์ผ์ชฝ์์ ์ค๋ฅธ์ชฝ์ผ๋ก, ์์์ ์๋๋ก) ์ด๋ํ๋ฉด์ 2์ฐจ์ ํน์ฑ ๋งต์ ๋ง๋ ๋ค. ์ด๋ ๊ฒ 2์ฐจ์ ๊ตฌ์กฐ๋ฅผ ๊ทธ๋๋ก ์ฌ์ฉํ๊ธฐ ๋๋ฌธ์ ํฉ์ฑ๊ณฑ ์ ๊ฒฝ๋ง์ด ์ด๋ฏธ์ง ์ฒ๋ฆฌ ๋ถ์ผ์์ ๋ฐ์ด๋ ์ฑ๋ฅ์ ๋ฐํํ๋ค. ์ผ๋ผ์ค๋ก ๊ตฌํํ ํฉ์ฑ๊ณฑ .. 2024. 11. 19. [Paper Review] Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images Pixel2Mesh: Generating 3D Mesh Models from Single RGB ImagesNanyang Wang1 โ, Yinda Zhang2 โ, Zhuwen Li3 โ, Yanwei Fu4, Wei Liu5, Yu-Gang Jiang1 †1 Shanghai Key Lab of Intelligent Information Processing, School of Computer Science, Fudan University2 Princeton University 3 Intel Labs 4 School of Data Science, Fudan University 5 Tencent AI Lab Abstract.์ด ๋ ผ๋ฌธ์ ๋จ์ผ ์ปฌ๋ฌ ์ด๋ฏธ์ง๋ก๋ถํฐ 3D ํ์์ ์ผ๊ฐํ ๋ฉ์ฌ(triangular me.. 2024. 11. 6. [Supplementary Review] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation ์ด๋ฒ์๋ " PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation " ๋ ผ๋ฌธ์ Supplementary ๋ฆฌ๋ทฐ๋ก ๋์์์ต๋๋ค! Supplementary๋ ์ด B ~ H ๊น์ง ์ด 7๊ฐ์ ํํธ๋ก ๊ตฌ์ฑ๋์ด ์์ต๋๋ค.์ฌ๊ธฐ์ ์ ๋ ๋ค์๊ณผ ๊ฐ์ ๋ชฉ์ฐจ๋ก ๋ฆฌ๋ทฐํด๋ณด๋ ค๊ณ ํฉ๋๋ค. [๋ชฉ์ฐจ]C : neural network architectures ์ training hyper parameters ์ ๋ํด ๋ํ ์ผํ๊ฒ ์์๋ณด๋ ์น์ D : Detection pipeline ์ ๊ดํด ๋ํ ์ผํ๊ฒ ์์๋ณด๋ ์น์ E : PointNet์ ์ฌ๋ฌ ์์ฉ ๋ฐฉ๋ฒ์ ๋ํด ์์๋ณด๋ ์น์ F : ๋์ฑ ๋ํ ์ผํ๊ฒ PointNet ๊ตฌ์กฐ๋ฅผ ๋ถ์ํด๋ณด๋ ์น์ Section C : .. 2024. 11. 4. ์ด์ 1 2 3 4 5 ยทยทยท 31 ๋ค์