Computer Vision11 Contrastive Test-Time Adaptation (CVPR 2022) 기존 Deep network는 학습데이터와 테스트 데이터가 similar한 distribution일때는 잘 동작해 왔습니다. 그러나, Real-World와 같이 unseen 데이터가 갑작스럽게 들어오는 경우에는 오작동하는 경우가 다반사입니다. 이러한 문제를 domain shift라고 합니다. 이 문제를 다루는 Domain Adaptation분야는 다양하게 연구되어오고 있습니다. 최근에는 TTA(Test-Time Adaptation)라는 분야가 연구가 활발히 되고 있습니다. 기본적인 problem setting은 source model에는 access가능하지만 data privacy와 같은 이유로 source data에는 no available한 상황을 가정하고 있습니다. 구체적인 설명은 2023.06.2.. 2023. 6. 23. TENT: FULLY TEST-TIME ADAPTATION BY ENTROPY MINIMIZATION (ICLR 2021) 최근 Deep learning발전에 따라 downstream task인 classification, detection, segmentation 등 다양한 task에서 SOTA(State of the Art)를 찍어내고 있습니다. 이러한 발전에 따라 문제점 또한 제기되고 있습니다. 그중에서도, 학습 데이터와 테스트 데이터 간의 distribution이 다른 상황속에서는 deep learning의 성능이 저하되는 domain shift문제점이 잘 알려져있습니다. 실제로 산업에서 deep learning분야를 연구해보신 분들은 아시는것처럼, static한 environment에서는 deep learning은 저희 예상대로 잘 돌아가지만, 자율주행과 로봇과같은 분야에서는 environment가 계속 바뀌기 때문.. 2023. 6. 21. PointNet 요즈음 핫한 자율주행에는 어떤 딥러닝 기술들을 사용하고 있을까요? 최근 테슬라에서 오직 카메라를 이용해서 완전 자율주행이 가능하다라는 뉴스도 본 적이 있습니다. 하지만, 카메라의 성능(이미지센서의 성능)에 의존하고 있어, 정말로 안전성이 보장되는지 의구심이 들 수 밖에 없습니다. 그래서 최근 다른 연구들에서는 카메라가 아닌 라이다를 자동차에 탑재하여 사용하려는 움직임이 있습니다. 라이다란 카메라와 달리 주변환경이나 장애물을 정확하게 측정하기로 유명합니다. 라이다가 측정한 데이터는 일반적으로 Point Clouds형태로 저장됩니다. Point Clounds은 (x,y,z)의 위치좌표로 표현되어집니다 이 데이터를 이용한 Deep learning 연구들도 그만큼 활발히 연구되어 지고 있습니다. 이번에는 그 중.. 2022. 9. 14. YOLO(You Only Look Once) YOLO등장 배경 Object detection 과제는 최근 자율주행자동차 등에 활용되면서 정확도 뿐만 아니라 신속성이 중요되어지고 있는 추세입니다. 그러나 RCNN계열의 모델들은 일정 수준의 정확성은 있으나, 실제 적용하기에 신속성이 떨어지는 문제가 있습니다. (혹시, RCNN에 대해 알고싶으시다면2021.04.25 - [Computer Vision/Object Detection] - RCNN(Regions with CNN읽고 오시는 거 추천드립니다.ㅎㅎ) 근래에는 일정한 수준의 정확성을 유지하면서 Object detection의 속도를 높이려는 여러 신경만들이 개발되고 있습니다. 아래의 그림은 근래 Object detection 근본 모델들의 성능을 비교한 그래프입니다. 여기서 mAP는 precisi.. 2022. 8. 24. 이전 1 2 3 다음
