본문 바로가기

연구실 공부

[논문] Image-to-Image Translation with Conditional Adversarial Networks https://arxiv.org/abs/1611.07004 Image-to-Image Translation with Conditional Adversarial Networks We investigate conditional adversarial networks as a general-purpose solution to image-to-image translation problems. These networks not only learn the mapping from input image to output image, but also learn a loss function to train this mapping. This mak arxiv.org 해당 논문을 보고 공부하고 작성했습니다. 0. Abstrac.. 연구실 공부 2022. 3. 31.
UNet++ 코드 저번에는 UNet++ 논문을 보고 공부를 했습니다. 이번에는 논문 내용을 토대로 UNet++를 구현하고 실행해보겠습니다. 논문에서는 총 4가지의 데이터 셋(cell nuclei, colon polyp, liver, lung nodule)으로 실험을 진행했습니다. 논문을 바탕으로 작성한 UNet++ model을 GAN 구조에서 generator의 network로 사용해보겠습니다. 먼저 UNet++ model을 구현해보겠습니다. class conv_block_nested(nn.Module): def __init__(self, in_ch, mid_ch, out_ch): super(conv_block_nested, self).__init__() self.activation = nn.LeakyReLU(negati.. 연구실 공부 2022. 3. 30.
[논문] Unet++ : A Nested U-Net Architecture for Medical Image Segmentation https://arxiv.org/pdf/1807.10165.pdf 해당 논문을 공부하고 작성했습니다. Abstract 이 논문에서는 UNet++라는 의료 분야에 image segmentation에 더 효과적인 새로운 구조를 제시합니다. Dense Net에서 사용한 dense skip pathway를 이용해 UNet++ 구조를 구현했습니다. 인코더와 디코더의 feature map의 차이를 줄이기 위해서 skip pathway를 새로 디자인했습니다. 1. Introduction image segmentation에서 encoder, decoder 구조를 가지는 U-Net, Fully Convolution Network(FCN)을 사용하면서 좋은 성능을 보였는데 위 그림과 같이 skip connection이 존.. 연구실 공부 2022. 3. 28.
DenseNet 코드 저번에는 DenseNet 논문을 보고 개념을 정리했습니다. https://github.com/andreasveit/densenet-pytorch GitHub - andreasveit/densenet-pytorch: A PyTorch Implementation for Densely Connected Convolutional Networks (DenseNets) A PyTorch Implementation for Densely Connected Convolutional Networks (DenseNets) - GitHub - andreasveit/densenet-pytorch: A PyTorch Implementation for Densely Connected Convolutional Networks (De.. 연구실 공부 2022. 3. 24.
[논문] Densely Connected Convolutional Networks https://arxiv.org/abs/1608.06993 Densely Connected Convolutional Networks Recent work has shown that convolutional networks can be substantially deeper, more accurate, and efficient to train if they contain shorter connections between layers close to the input and those close to the output. In this paper, we embrace this observa arxiv.org 해당 논문을 공부하고 작성했습니다. Abstract convolution 네트워크들은 점점 깊어지고 정.. 연구실 공부 2022. 3. 23.
[논문]Improving neural networks by preventing co-adaptation of feature detectors https://arxiv.org/abs/1207.0580 Improving neural networks by preventing co-adaptation of feature detectors When a large feedforward neural network is trained on a small training set, it typically performs poorly on held-out test data. This "overfitting" is greatly reduced by randomly omitting half of the feature detectors on each training case. This prevents co arxiv.org 해당 논문을 공부하고 작성했습니다. 논문 본.. 연구실 공부 2022. 3. 21.
정규화(Normalization) 1. 정규화란? 딥러닝을 공부하다 보면 "정규화"라는 용어를 자주 접하게 되는데 'normalization', 'standardization', 'regularization' 모두 정규화라고 번역됩니다. 사실 이 세 단어는 모두 다른 의미를 가지고 있습니다. 먼저 정규화가 필요한 이유에 대해서 알아보겠습니다. 머신러닝 알고리즘은 기본적으로 수많은 데이터를 가지고 진행됩니다. 보통 예측하고자 하는 것과 연관이 있는 여러 feature를 가지고 머신러닝 알고리즘을 학습시키는데 이 feature의 값들은 다양합니다. 예를 들어 부동산의 가격을 예측하는 머신러닝을 학습시킨다고 생각을 해보겠습니다. 부동산 가격에 영향을 주는 feature들은 평수, 역과의 거리, 지어진 년도 등 존재할 것입니다. 예를 들어 평수.. 연구실 공부 2022. 3. 14.
Image deblurring using DeblurGAN(실행 결과, 새로운 unet 작성해보기) https://github.com/KupynOrest/DeblurGAN GitHub - KupynOrest/DeblurGAN: Image Deblurring using Generative Adversarial Networks Image Deblurring using Generative Adversarial Networks - GitHub - KupynOrest/DeblurGAN: Image Deblurring using Generative Adversarial Networks github.com https://arxiv.org/abs/1711.07064 DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks We present .. 연구실 공부 2022. 3. 10.
728x90

티스토리툴바