0. Abstract 최근 Generative Adversarial Network (GAN)은 realistic sample들을 생성하는 점에서 수많은 promising result를 보여준다. GAN Model의 핵심 task는 random distribution에서 Generator를 통해 생성된 sample들의 feature를 control하는 것이다. 즉, GAN은 generated sample의 feature를 control하는 것이 핵심이라 볼 수 있다. 위와 같이 생성된 sample의 feature를 control할 수 있는 GAN structure는 다음과 같다. 1) Conditional GAN (CGAN) 이는 desired major features를 가지고 성공적으로 s..
1. Problem Pytorch Framework를 이용하여 CartoonGAN 학습을 위해 Image들을 불러와 학습하는데, 속도가 상당히 느리다. 구글 코랩을 사용하여 Google Drive의 Dataset 폴더에 이미지들을 업로드 해놓고 불러오도록 설정한다.GPU를 사용해도 한 epoch을 도는데 시간이 너무 많이 걸리는 문제가 발생한다. 이와 같은 현상에 대해 Stackoverflow에서 미리 언급했음을 찾아볼 수 있다. https://stackoverflow.com/questions/59120853/google-colab-is-so-slow-while-reading-images-from-google-drive Google Colab is so slow while reading imag..
0. Before Reading Image Segmentation은 영상 혹은 이미지에서 의미있는 부분들을 구별해내는 기술이다. 이미지를 영역별로 나눠준 후, 각 개체에 맞게 합쳐주는 task 이다. Object Detection 혹은 Classification과 비교해봤을 때, 정확하게 개체들의 경계선까지 추출하여 의미있는 영역들로 분할해줘야 하므로 더 어려운 작업이라 볼 수 있다. Image Segmentation은 아래의 2가지로 분류된다.1) Semantic Segmentation2) Instance Segmentation (1) Semantic Segmentation Semantic Segementation은 동일한 객체들끼리는 한 번에 Masking을 수행하는 방법이다. 위의 사진..
0. Abstract 논문의 저자들은 real-world 이미지들을 cartoon style의 이미지로 변환하는 방법을 제시한다. 이 방법은 "learning based methods"로 최근에 painting과 같은 artistic form으로 stylize image할 수 있어 인기가 많아졌다. 그러나 이러한 기존의 방법들은 cartoonization을 위해 만족할만한 결과를 내놓지는 못했다. 그 이유는 Cartoon Style Image에서 발생한 다음 2가지의 원인이 있다.1) Cartoon Style Image들은 unique한 특징들과 높은 수준의 simplification과 abstraction을 요구하기 때문이다.2) Cartoon Image들은 clear edges, smoot..
0. Abstract 기존에는 Deep Learning Network들을 성공적으로 훈련시키려면 수 천개의 annotated sample들이 필요했다. 그러나 U-Net의 경우 강력한 Data Augmentation 기법을 이용하여 few image 만으로도 효율적으로 모델을 훈련할 수 있도록 한다. U-Net Architecutre는 크게 2가지로 구성되어 있다. Contracting Path: capture contextExpansive Path: enable precise localization Skip Architecture를 사용해서 Shallow, Fine Layer의 Appearance Information (Local, Where)과 Deep, Coarse Layer의 ..
해당 블로그 포스트의 내용은 [한빛미디어]의 '혼자 공부하는 컴퓨터 구조와 운영체제' 책의 저자이신 강민철님께서 강의하신 내용을 위주로 정리했습니다. https://youtube.com/playlist?list=PLVsNizTWUw7FCS83JhC1vflK8OcLRG0Hl&si=H1U9OoqlmQ8ZiZai [컴퓨터 공학 기초 강의] 혼자 공부하는 컴퓨터 구조+운영체제강민철 저자님과 함께하는 『혼자 공부하는 컴퓨터 구조+운영체제』 강의입니다. 다른 입문서에서는 알려주지 않았던 진짜 컴퓨터 공학 지식을 만나보세요! 👨🏫 누구를 위한 강의인가요? -www.youtube.com1. Insturction의 구조 Instruction의 구조 Opcode: 연산 코드, 수행할 연산Opera..
해당 블로그 포스트의 내용은 [한빛미디어]의 '혼자 공부하는 컴퓨터 구조와 운영체제' 책의 저자이신 강민철님께서 강의하신 내용을 위주로 정리했습니다. https://youtube.com/playlist?list=PLVsNizTWUw7FCS83JhC1vflK8OcLRG0Hl&si=H1U9OoqlmQ8ZiZai [컴퓨터 공학 기초 강의] 혼자 공부하는 컴퓨터 구조+운영체제강민철 저자님과 함께하는 『혼자 공부하는 컴퓨터 구조+운영체제』 강의입니다. 다른 입문서에서는 알려주지 않았던 진짜 컴퓨터 공학 지식을 만나보세요! 👨🏫 누구를 위한 강의인가요? -www.youtube.com 1. Intro 컴퓨터는 0과 1(컴퓨터가 주고받는 전기신호의 세기) 밖에 이해하지 못한다. 그런데 어떻게 0과 1이 ..
0. Before Reading Abstract에 들어가기 앞서, 논문의 핵심 사항들을 미리 정리하고 들어가겠다. FCN(Fully Convolutional Network)는 Classification task를 수행하는 FC Layer (Fully Connected Layer)를 제거하고, 오직 Convolutional Layer로만 Architecture를 구성하여 Semantic Segmentation을 수행한다. 이 논문에서는 모든 부분을 2가지로 나누어 설명한다.FCN (Fully Convolutional Networks)Semantic Segmentation Fully Convolutional Network의 경우, FCN을 수행하는 방법은 크게 3가지이다.Pixelwise Pr..
해당 블로그 포스트의 내용은 [한빛미디어]의 '혼자 공부하는 컴퓨터 구조와 운영체제' 책의 저자이신 강민철님께서 강의하신 내용을 위주로 정리했습니다. https://youtube.com/playlist?list=PLVsNizTWUw7FCS83JhC1vflK8OcLRG0Hl&si=H1U9OoqlmQ8ZiZai [컴퓨터 공학 기초 강의] 혼자 공부하는 컴퓨터 구조+운영체제강민철 저자님과 함께하는 『혼자 공부하는 컴퓨터 구조+운영체제』 강의입니다. 다른 입문서에서는 알려주지 않았던 진짜 컴퓨터 공학 지식을 만나보세요! 👨🏫 누구를 위한 강의인가요? -www.youtube.com 1. Intro 컴퓨터 구조는 크게 컴퓨터가 이해하는 정보와 컴퓨터의 네 가지 부품으로 나뉜다. 컴퓨터가 이해하는 정보..
