MagmaTart
주로 딥 러닝, 그 외에도 다양한 주제로 글을 쓰고 있습니다.
Posts
[논문] Energy-based Generative Adversarial Network
:
논문 리딩 스터디 #15: GAN에 Energy-based Model의 아이디어를 접목한 EBGAN 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #15: GAN에 Energy-based Model의 아이디어를 접목한 EBGAN 논문을 읽고 정리해봅니다.[논문] Learning from Simulated and Unsupervised Images through Adversarial Training
: 논문 리딩 스터디 #14: 모델이 생성하는 이미지의 현실감을 키워주는 S+U Learning 메소드와, 그를 활용한 SimGAN 모델을 제안한 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #14: 모델이 생성하는 이미지의 현실감을 키워주는 S+U Learning 메소드와, 그를 활용한 SimGAN 모델을 제안한 논문을 읽고 정리해봅니다.[논문] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
: 논문 리딩 스터디 #13: 두 도메인간의 스타일을 Translation하는 생성 모델인 CycleGAN 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #13: 두 도메인간의 스타일을 Translation하는 생성 모델인 CycleGAN 논문을 읽고 정리해봅니다.[논문] Light-Head R-CNN: In Defense of Two-Stage Object Detector
: 논문 리딩 스터디 #12: 매우 빠르고 강력한 Two-Stage Detector를 주장하는 Light-Head R-CNN 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #12: 매우 빠르고 강력한 Two-Stage Detector를 주장하는 Light-Head R-CNN 논문을 읽고 정리해봅니다.[논문] Mask R-CNN
: 논문 리딩 스터디 #11: Two-Stage Detector의 SOTA를 넘어 Instance Segmentation이라는 분야를 개척한 Mask R-CNN 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #11: Two-Stage Detector의 SOTA를 넘어 Instance Segmentation이라는 분야를 개척한 Mask R-CNN 논문을 읽고 정리해봅니다.[논문] Focal Loss for Dense Object Detection
: 논문 리딩 스터디 #10: Object Detector 학습시 발생하는 데이터적 문제를 Focal Loss의 정의로 해결하고, 이를 반영한 RetinaNet 모델을 제안한 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #10: Object Detector 학습시 발생하는 데이터적 문제를 Focal Loss의 정의로 해결하고, 이를 반영한 RetinaNet 모델을 제안한 논문을 읽고 정리해봅니다.[논문] InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets
: 논문 리딩 스터디 #9: Latent Vector에 특징 코드를 담아 생성되는 이미지의 특징을 조절하는 InfoGAN 논문을 읽고 정리해봅니다.
논문 리딩 스터디 #9: Latent Vector에 특징 코드를 담아 생성되는 이미지의 특징을 조절하는 InfoGAN 논문을 읽고 정리해봅니다.58 post articles, 8 pages.