Hello Computer Vision

지난 번에 CycleGAN 논문 리뷰를 진행했었는데요, 최근 스터디에서 cycleGAN을 이용해 프로젝트를 진행하려고 해서 빨리 찾아서 공부해봤습니다. 생성자 class Generator(nn.Module): def __init__(self, img_channels,num_features = 64, num_resblock = 9): super(Generator, self).__init__() self.initial = nn.Sequential( nn.Conv2d(img_channels, num_features, kernel_size = 7, stride = 1, padding = 3, padding_mode = 'reflect'), nn.ReLU(inplace = True) ) self.down_bloc..

논문의 full 제목은 "Unpaired Image to Image Translation using Cycle-Consistent Adversarial Networks)이다. 이번에 스터디에서 캐글에서 열고 있는 대회에 참여하기 위해 CycleGAN을 공부하기로 했고 논문을 읽게되었다. 수식이 다른 논문에 비해 많이 나오지 않아서 어렵지는 않았지만 여러 논문들을 참고한 것이 읽으면서 느껴졌다. 기존의 논문리딩처럼 처음부터 읽어보겠습니다. Introduction 모네는 본인의 눈에 보이는 것을 화풍에 담았습니다. 과연 모네가 지금 우리세계의 풍경을 본다면 어떻게 담아낼 수 있을까요? 이러한 궁금증으로 시작합니다. 본 논문에서의 목표는 하나의 이미지의 특징을 다른 이미지로 옮기는 것이라고 합니다. (capt..

WGAN에 관해서 간략한 리뷰를 지난번에 했는데요, 이번에는 코드구현을 해보겠습니다. 훈련과정에서의 손실함수 부분을 주의깊게 봐주시면 될 거 같습니다. WGAN 설명 https://keepgoingrunner.tistory.com/32 WGAN(Wasserstein GAN, 2017) 에 대한 간단한 이해 이번에 읽으려고 했던 논문은 WGAN이었다. 그러나 너무나 많은 수식으로 인해 저 혼자서 이해하기에는 힘들다고 생각했고 많은 블로그들을 참조해 WGAN 에서 필요한 부분들에 대한 저만의 이해를 keepgoingrunner.tistory.com 1. 구분자 정의 class Critic(nn.Module): #구분자 정의 def __init__(self, channels_img, features_d): #..

이번에 읽으려고 했던 논문은 WGAN이었다. 그러나 너무나 많은 수식으로 인해 저 혼자서 이해하기에는 힘들다고 생각했고 많은 블로그들을 참조해 WGAN 에서 필요한 부분들에 대한 저만의 이해를 써보겠습니다. 최대한 앞으로의 모델을 공부하는데 있어 불편함 없을 정도로 알아보겠습니다. 참조 자료 영상 : 십분 딥러닝 https://www.youtube.com/watch?v=j-6uUCmY4p8 글 : 하우론님의 https://haawron.tistory.com/21 먼저 확률분포는 특정한 값을 가질 확률을 나타내는 함수를 나타냅니다. 확률밀도함수라고 한다면 구간별로 적분한 넓이가 확률이 될 것이고 확률은 1이 넘을 수 없으므로 분포의 총 면적은 1이 됩니다. 그리고 거리함수에 대한 정의를 해보겠습니다. 거리..

지난 번 LSGAN에 이어서 이번에는 InfoGAN논문리뷰입니다. 제가 GAN을 처음 공부할 때만 해도 cycleGAN, StyleGAN이런 모델들만 봐서 그런지 흥미로웠지만 이해가 안가는 것 투성이였는데 태초의 논문들부터 보니 재밌습니다. 이번 InfoGAN은 disentanglement 한 특징을 잡아내기 위한 방법을 고안한 논문인데요, 천천히 논문 처음부터 읽어보겠습니다. (mutual information과 disentanglement가 핵심이니 두가지를 잘 들고 가시면 될 거 같습니다) Introduction unsupervised learning(비지도학습)에서는 extracting value를 하는 것이 어렵다고 합니다. (아마 여기서 extracting value는 우리가 원하는 특징을 말..

저번 DCGAN 논문 리뷰에 이은 코드 실습입니다. 원래 코드는 1주일 전부터 만들었는데 결과가 너무 안좋아서 여러 시도 끝에 그나마 괜찮은 결과 얻어서 지금에야 올립니다.. https://keepgoingrunner.tistory.com/10 비전공생의 DCGAN(Deep Convolutional Generative Adversarial Networks, 2016) 논문 리뷰 지난번 GAN에 이은 두번째 논문 리뷰이다. DCGAN을 코드로 구현해본 적 있는데 GAN이 MLP로 이미지를 생성했다면 DCGAN은 CNN을 이용해 이미지를 생성한 것이 가장 큰 특징이다. GAN 논문을 읽을 때도 익 keepgoingrunner.tistory.com 전체 코드는 아래 들어가시면 볼 수 있습니다. https://..

지난 CGAN에 이은 LSGAN의 논문 리뷰입니다. CGAN도 코드를 빨리 구현해야하는데.. 학교과제에다 논문도 읽고, 컴퓨터구조 강의도 따로 듣다보니 너무 정신이 없네요.. 저의 발전을 위해서라도 논문 리딩이 끝나면 빠르게 구현해보도록 하겠습니다. 이 논문의 핵심이라면 기존의 손실함수를 Binary Cross Entropy를 사용했다면(Sigmoid Cross Entropy) 제목에서부터 알 수 있듯이 Least Square 함수를 손실함수로 사용하는 것이 가장 큰 특징입니다. 바로 한번 따라가보겠습니다. 1. Inroduction GAN이 unsupervised learning 에서 좋은 성능을 내었다고 칭찬하면서 시작합니다. 그리고 단점을 말하는데요, 지금까지 많은 논문에서도 지적했던 것처럼 sta..

지난번 CGAN논문 리뷰에 이어서 코드로 한번 구현해보겠습니다. https://keepgoingrunner.tistory.com/12 비전공생의 CGAN(Conditional Generative Adversarial Nets, 2014) 논문 리뷰 지난번 DCGAN에 이어서 이번에는 cGAN이다. DCGAN도 그렇고 기존의 vanila GAN도 그렇고 데이터셋을 학습한 후 다른 조건 없이 분포르 학습한 후 이미지를 생성했다면은 이 cGAN은 정답라벨을 줘서 원하 keepgoingrunner.tistory.com 전체코드는 해당 github에서 볼 수 있습니다. https://github.com/JiWoongCho1/Gernerative-Model_Paper_Review/blob/main/cGAN.ipyn..