본문 바로가기

연구실 공부

음성 인식 관련 용어 정리 Speaker-recognition task speaker recognition은 speaker identification과 verification으로 이루어집니다. speaker identification은 known speaker 집단을 이용해 unknown speaker를 식별하는 것이 목표입니다. 다시말해, audio sample에서 unknown speaker의 음성과 가장 유사하게 들리는 화자를 찾는 것입니다. 주어진 sample의 화자들이 전부 known speaker set에 존재한다면, 이를 closed or in-set scenario라고 합니다. 반대로, 우리가 미리 정의해놓은 known speaker set 외부에서의 화자일 수 있다면, open-set scenario라고 하며, 따.. 연구실 공부 2024. 1. 28.
[논문] Auto-Encoding Variational Bayes https://arxiv.org/abs/1312.6114 Auto-Encoding Variational Bayes How can we perform efficient inference and learning in directed probabilistic models, in the presence of continuous latent variables with intractable posterior distributions, and large datasets? We introduce a stochastic variational inference and learning arxiv.org 해당 논문을 보고 작성했습니다. Abstract 연속 잠재 변수를 가진 확률 모델에서, 다루기 어려운 posterior 분.. 연구실 공부 2024. 1. 19.
[논문] BrainNetGAN: Data augmentation of brainconnectivity using generative adversarialnetwork for dementia classification https://arxiv.org/pdf/2103.08494.pdf 해당 논문을 보고 작성했습니다. Abstract 알츠하이머 병은 가장 흔한 나이와 관련된 치매 중 하나이며, 개인의 삶과 사회적에 큰 영향을 줍니다. 정확한 관리를 위해 개인의 치매 위험성을 측정하는 것은 문제로 남아있습니다. Brain MRI는 뇌 노화정도를 탐지하여 제공합니다. 딥 러닝 모델 기반으로 Diffusion MRI로 생성된 구조적 brain network를 이용해 치매를 정확하게 분류할 수 있습니다. 그러나 diffusion MRI의 제한된 이용 가능성은 딥 러닝 모델을 학습하는데 문제가 됩니다. 저자들은 변형된 GAN인 BrainNetGAN을 제안하는데, 이는 치매를 진단하기 위해 구조적 brain network를 효과적으.. 연구실 공부 2023. 7. 15.
[논문] DynaGAN: Dynamic Few-shot Adaptation of GANs to Multiple Domains https://arxiv.org/pdf/2211.14554.pdf 해당 논문을 보고 작성했습니다. Abstract Few-shot domain을 다중 도메인에 adaptation 하는 것은 적은 train image로 다중 도메인의 복잡한 이미지 분포를 학습하는 걸 목표로 합니다. 일반적인 방법은 few-shot domain adaptation 방식을 이용해 각각 domain에 대해 별도의 model을 학습시키는 것입니다. 하지만 이 방식은 메모리가 많이 필요하고 계산 시간도 오래걸립니다. 그리고 이런 분리된 모델은 target domain의 공유되는 knowledge를 사용할 수 없습니다. 이 논문에서는 다중 domain을 위한 few-shot domain adaptation 방법인 DynaGAN을 제.. 연구실 공부 2023. 3. 31.
[논문] FIFO: Learning For-invariant Features for Foggy Scene Segmentation https://arxiv.org/pdf/2204.01587.pdf 해당 논문을 보고 작성했습니다. Abstract 이 논문에서는 안개 낀 상황에서도 좋은 성능을 보이는 새로운 semantic segmentation model을 제시합니다. 핵심 아이디어는 이미지의 안개 상태를 style로 간주하고, segmentation model의 neural style space에서 서로 다른 안개 상태를 가진 이미지들의 차이를 줄이는 것입니다. 특히, image의 nerual style은 일반적으로 안개 외에도 다른 요소들에 의해 영향을 받기 때문에, style에서 안개와 관련된 factor를 뽑아내는 fog-pass filter module을 사용합니다. fog-pass filter와 segmentation mo.. 연구실 공부 2023. 3. 26.
[ML] 7. Logistic Regression 해당 자료는 https://m.edwith.org/machinelearning1_17/intro 해당 강의에서 제공합니다. 이번 강의에는 logistic regression에 대한 내용입니다. 저번 시간 때 봤던 그림입니다. 저번 시간에 말했던 것처럼 직선의 risk가 곡선의 risk보다 더 크다는 것을 볼 수 있습니다. linear function은 범위 문제가 있고 risk가 크다는 문제가 있습니다. 그래서 S-curve 형태를 띠는 sigmoid 함수가 등장합니다. 이번 강의에서 사용할 dataset은 저번에도 사용했던 credit approval dataset입니다. 이번에도 class C를 예측할 것이고 사용하는 attribute는 A15입니다. class는 true, false 두 가지 경우만.. 연구실 공부 2023. 3. 6.
[ML] 6. Naive Bayes Classifier 해당 자료는 https://m.edwith.org/machinelearning1_17/intro 해당 강의에서 제공합니다. 이번 강의에서는 Naive Bayes Classifier에 대한 내용입니다. 일단 우리가 사용할 dataset이 위 표와 같다고 하겠습니다. EnjoySpt는 Yes, No 두 가지로 이루어진 class Y입니다. sky, temp, humid, wind, water, forecst는 X의 feature입니다. 그리고 각 feature마다 단 2개의 선택지가 있다고 하겠습니다. 이런 경우 몇 개의 parameter가 필요한지 보겠습니다. 먼저 P(Y = y)의 경우 no의 경우일 때 yes 1개만 제외한 k - 1개만 있으면 됩니다. 위 표에서는 k - 1 = 1입니다. P(X = .. 연구실 공부 2023. 3. 5.
[ML] 5. Optimal Classification And Decision Boundary 해당 자료는 https://m.edwith.org/machinelearning1_17/intro 해당 강의에서 제공합니다. 이번 강의에서는 Optimal classifcation과 decision boundary에 대한 내용입니다. 먼저 supervised learning에 대해서 얘기합니다. supervised learning은 지도 학습으로 정답 label이 주어진 상태로 학습을 하는 경우입니다. classification 또는 regression을 할 때 주로 사용합니다. 예를 들어 positive type인지 negative type인지 분류를 하는 경우가 있습니다. classification model을 잘 만들 수 있다면 regression도 금방 잘 만들 수 있기 때문에 해당 강의에서는 cl.. 연구실 공부 2023. 3. 5.
728x90

티스토리툴바