Table of Content 1. Focal Loss의 필요성 2. Focal Loss 1. Crossentropy Loss를 쓰지 않고 Focal Loss를 쓰는 이유 2. Balanced Cross Entropy Loss를 쓰지 않고 Focal Loss를 사용하는 이유 3. Focal Loss의 적용 Object Detection이란? 여러 object들을 Bounding Box를 통해 Localization(위치 찾기)하고, Classification(어떤 물체인지 분류)하는 작업입니다. Object Detection의 2가지 종류의 알고리즘 1. R-CNN 계열의 two-stage detector 2. YOLO, SSD 계열의 one stage detector SSD관련 논문 리뷰: https:..

이번 포스트에서는 Object Detection을 진행할 때 프레임 간 객체가 동일한 객체인지 아닌지에 대한 판단을 진행할 수 있는 모델인 Barlow Twins라는 모델에 대한 논문리뷰를 진행해 보려 합니다. 보완할 부분이 있다면 댓글에 첨언해 주시면 감사하겠습니다. 논문 링크: https://arxiv.org/abs/2103.03230 Abstraction Self-Supervised Learning(SSL)은 입력 샘플을 왜곡했을 때, 그런 왜곡에 대한 불변한 임베딩을 만듦으로써 Supervised Learning과의 격차를 빠르게 줄여가고 있습니다. (SSL이란 정답 데이터 없이, 입력 데이터만으로 학습하는 기법을 말합니다.) 그러나 이런 접근법의 반복되는 문제는 특정 학습 데이터에 대해서 동일한..

해당 블로그는 공부를 목적으로 https://kuklife.tistory.com/121 블로그를 필사하며 쓴 글입니다. paper Link: https://arxiv.org/pdf/1802.02611.pdf ########################### DeepLab V3+ 논문은 2018년 8월 경 구글에서 작성된 논문입니다. Semantic Segmentation을 해결하기 위한 방법론은 여러 가지가 존재하지만 그중 DeepLab 시리즈는 여러 Segmentation model 중 서능이 상위권에 많이 포진되어 있는 model들입니다. 그중에서도 가장 성능이 높으며 DeepLab시리즈 중 가장 최근에 나온 DeepLab V3+에 대해서 살펴보겠습니다. 전체적으로 DeepLab은 semantic s..

https://www.researchgate.net/publication/368336170_Keypoint-wise_Adaptive_Loss_for_Whole-Body_Human_Pose_Estimation/link/63e35d76c002331f72600e02/download 논문이 궁금하다면 위 링크에서 다운이 가능합니다. 이 논문은 AAAI 2023에 소개된 Keypoint-wise Adaptive Loss for Whole-Body Human Pose Estimation이라는 논문입니다. ABSTRACT 이 논문은 dense 및 coarse keypoint의 mixed charateristic을 분석하여 whole-body pose estimation을 수행합니다. whole body를 추정하는 것..