AI 검색 결과

해당 글 133건

Scaling and Benchmarking Self-Supervised Visual Representation Learning (2)

2019/12/01 - [AI/논문정리] - Scaling and Benchmarking Self-Supervised Visual Representation Learning (1) 의 이어지는 글이다. Scaling and Benchmarking Self-Supervised Visual Representation Learning Priya Goyal, Dhruv Mahajan, Abhinav Gupta, Ishan Misra (Submitted on 3 May 2019 (v1), last revised 6 Jun 2019 (this version, v2)) arXiv:1905.01235 성능 평가(benchmarking)를 위해서 위의 9가지 datasets과 task를 이용한다. 저자들은 SSL을 in..
AI/논문정리 2019. 12. 1. 23:52

Scaling and Benchmarking Self-Supervised Visual Representation Learning (1)

Scaling and Benchmarking Self-Supervised Visual Representation Learning Priya Goyal, Dhruv Mahajan, Abhinav Gupta, Ishan Misra (Submitted on 3 May 2019 (v1), last revised 6 Jun 2019 (this version, v2)) arXiv:1905.01235 이전의 구글팀이 architecture에 관심을 가졌다면 페이스북 팀은 self-supervised를 scailng 하고 또한 적절한 평가를 하기위한 benchmark suite를 제시하는 논문이다. SSL(self-supervised learning)은 수동으로 달 label이 필요가 없으므로 scalability를 ..
AI/논문정리 2019. 12. 1. 22:24

Detection 성능 평가를 위한 AP(Average Precision)

[Precision & Recall] Precision은 네트워크가 검출해낸 모든 물체 중 정답인 것들의 비율이다. 이 때 검출해낸 물체들의 정답유무와 관계없이 총 개수를 세면 된다. 예를 들어, Detection을 하는 네트워크가 5개의 물체를 검출했을 때 그 중 3개만이 정답이면 Precision은 3/5 = 0.6 이 된다. Recall은 검출해낼 수 있는(=label 붙어있는) 모든 물체 중 검출해낸 물체의 비율이다. 예를 들어, 실제로 검출가능한 총 물체가 5개이고 그 중 1개만을 검출해냈다면 Recall은 1/5 = 0.2 가 된다. [TP, FN, FP, TN] 위의 그림에서 4개의 단어를 볼 수 있다. 쉽게 이해하자면 ... 앞의 단어와 뒤의 단어를 쪼개서 보면된다. Positive : 검..
AI/CV & SSL 2019. 11. 27. 23:08

Tile2Vec: Unsupervised representation learning forspatially distributed data

Tile2Vec: Unsupervised representation learning for spatially distributed data Neal Jean, Sherrie Wang, Anshul Samar, George Azzari, David Lobell, Stefano Ermon (Submitted on 8 May 2018 (v1), last revised 30 May 2018 (this version, v2)) 인공위성으로부터 얻은 이미지를 학습하는 방법을 적어놓은 논문이다. remote sesing images는 기본의 natural image보다 스펙트럼이 넓으며 버드아이 관점에서 찍혔다. 또한 자연어처리에서 시작된 distributional hypothesis를 여기서 적용하게 되는데 이 때..
AI/논문정리 2019. 11. 19. 17:47