일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- remixmatch paper
- shrinkmatch paper
- cifar100-c
- SSL
- tent paper
- 백준 알고리즘
- Pseudo Label
- UnderstandingDeepLearning
- CycleGAN
- mme paper
- shrinkmatch
- 컴퓨터구조
- simclrv2
- mocov3
- Entropy Minimization
- ConMatch
- Pix2Pix
- semi supervised learnin 가정
- WGAN
- dcgan
- dann paper
- GAN
- BYOL
- Meta Pseudo Labels
- CoMatch
- 최린컴퓨터구조
- CGAN
- adamatch paper
- conjugate pseudo label paper
- 딥러닝손실함수
Archives
- Today
- Total
목록selective search (1)
Hello Computer Vision
![](http://i1.daumcdn.net/thumb/C150x150.fwebp.q85/?fname=https://blog.kakaocdn.net/dn/Ggp9t/btr0aVD3kkX/jzAbEOhahx5lzFIgFzcgrk/img.jpg)
이번에 object detection 모델들을 공부해보면서 기본이라고 할 수 있는 Region proposal 방법들을 기록해보려고 한다. 객체탐지는 기존의 분류문제에서 한단계 더 어려운 과제로 다양한 물체가 존재할 수 있는 이미지에 대해서 각 이미지에 대해 분류작업과 그 물체가 어느 곳에 존재하는지에 대한 bounding box를 그려야한다. 각 물체마다 크기와 모양이 다르기 때문에 이는 사실 컴퓨터가 알아서 하기에는 보기에도 정말 어려워보인다 이러한 어려움에 맞서 우선 어느쪽에 이미지가 있을지 컴퓨터가 계산해볼 필요가 있는데 이러한 방법들이 Region proposal이다. 더 많은 기법들이 있겠지만 지금은 sliding window 방식과 selective search 방식을 알아보려고 한다. Sl..
객체 탐지
2023. 2. 20. 23:29