담비와시작하는머신러닝

안녕하세요!! 오늘은 Learning Deep Features for Discriminative Localization 라는 논문에 대해서 이야기해보려 합니다. 먼저 이 논문이 2015년 논문임에도 불구하고 리뷰하게 된 계기는 현재까지도 많은 논문에 인용되어 모델을 분석하거나 성능을 비교할 때 사용되기 때문입니다. 이 논문이 나오기 전부터 CNN을 해석하려는 노력이 많이 있었습니다. 그러나 초반 레이어에서는 엣지를 보고 레이어가 깊어질수록 특정 피쳐를 찾아낸다는 점 정도만 알아냈다고 합니다. 이 논문에서는 모델이 어디부분을 보고 input이 특정 클래스라고 판단하는지를 대략적으로 알 수 있는 CAM을 소개합니다. 이런 식으로 오른쪽 사진을 보고 "Brushng teeth"라고 판단하는 model을 분석하..

이번에 소개할 논문은 제가 저번 여름에 Kaggle Competition 기흉 segmentation을 할 때 주로 사용했던 모델인 Deeplabv3+입니다. Deeplab은 Deeplabv1에서 출발해서 Deeplabv2, Deeplabv3을 거쳐서 Deeplabv3+까지 여러 버전이 있습니다. 버전이 올라가면서 여러가지 특징들이 더해지게 되는데요! 먼저, 커다란 특징들 부터 소개해 드리겠습니다. 모델 특징 - Encoder-decoder 구조 많은 모델에 사용되는 Encoder-decoder 구조가 deeplabv3+에서도 사용됩니다. 가장 유명한 U-net의 Encoder-decoder구조 사진을 가져와봤는데요. 빨간 선을 기준으로 왼쪽이 encoder 오른쪽이 decoder로 encoder에서는 ..

안녕하세요! 오늘 소개드릴 모델은 많이 들어보셨을 GAN(Generative Adversarial Network)입니다! 현재 GAN을 사용한 논문들이 이미 많이 나온 상황이라 여러 편에 나눠서 설명하려 합니다. 이번 포스팅에서는 수식 없이 직관적 이해를 목표로 진행해 보려 합니다~ GAN을 설명하기 위해 항상 나오는 예제가 있습니다. 그건 바로 위조지폐범과 경찰의 예 인데요. 위조지폐범은 위조지폐를 만드는 역할, 경찰은 위조지폐와 진짜 지폐를 구분하는 역할을 한다고 해봅시다. 위조지폐범은 경찰의 눈을 속일 최대한 진짜 같은 지폐를 만들려 할 것이고 경찰은 위조지폐와 진짜 지폐를 더 잘 구분하려고 노력할 것입니다. GAN에서는 Generator(G)와 Descriminator(D)라는 개념이 등장하는데요..