State of the art in image processing using GANs https://www.profillic.com/paper
Deep Learning/Papers2read 2019. 12. 23. 12:16State of the art in image processing using GANs
https://www.profillic.com/paper/arxiv:1912.07116
'Deep Learning'에 해당되는 글 593건
- 2019.12.23 State of the art in image processing using GANs https://www.profillic.com/paper
- 2019.12.23 아시는 분은 이미 아시겠지만 Nvidia의 StyleGAN v2 가 공개되었습니다. 전체적으로 generation 성능이 매우 개선되었습니다.
- 2019.12.23 안녕하세요! 지난번에 이어 Detectron2에서 custom dataset을 활용하여 object detection 알고리즘을 학습시켜보는
- 2019.12.19 안녕하세요, Cognex Deep Learning Lab KOR (前 수아랩)에서 머신러닝 엔지니어로 일하고 있는 이호성이라고합니다. 자사의 기 2
- 2019.12.17 글로벌 '딥페이크 식별 챌린지. '딥 페이크 감지 챌린지 (DFDC, Deepfake Detection Challenge)' 딥페이크 폐해를
- 2019.12.17 안녕하세요. 이번에 Tracking 관련해서 연구를 시작하게 되었는데, 라벨링 관련해서 궁금한게 있어 질문올립니다. 현재 비디오에서 annota
- 2019.12.17 이제 캐글은 국내 많은 이들의 관심사가 된 것 같습니다. 저희 그룹이 7,000명이 넘어가면서 "왜 캐글을 해야할까" 라는 질문을 항상 하곤
- 2019.12.16 The Complete Deep learning Masterpiece by Andrew Ng Neural Networks and Deep Le
- 2019.12.16 State of the art in estimating 3D human pose and shape! https://www.profillic.co
- 2019.12.16 Here's an ultimate data science starter kit: 1. Foundational Skills • Intro to
- 2019.12.16 안녕하세요! TensorFlow-KR 논문읽기 모임 #PR12 의 214번째 논문은 2015년 ICCV에서 발표된 FlowNet: Learnin
- 2019.12.11 ICYMI: Beautify your face using a GAN-based architecture! https://www.profillic.com/paper/arxiv:1912.03630
- 2019.12.11 fast.ai 수강생이 진행한 Top6 프로젝트의 리스트 입니다. 좋아요를 많이 받은 순서인것 같네요. 노트북과 설명이 함께 첨부되어 있습니다 :) 1. segmentation & classification of buildings from drone/aerial imag..
- 2019.12.11 Generate 3D Avatars from a Single Image! Wide range of applications from virtual/augmented reality (VR/AR) and telepsychiatry to human-computer interaction and social networks. https://www.profillic.com/paper/arxiv:1912.03455
- 2019.12.10 #TFKRNeurIPS 안녕하세요! 오늘 NeurIPS 학회에서 제가 가장 관심있었던 주제는 <Efficient Processing of Deep Neural Network: from Algorithms to Hardware Architectures> 입니다! 저는 주로 네트워크 경량화쪽 기술에 ..
- 2019.12.10 안녕하세요! facebookresearch의 Detectron2[1]의 한국어버전 Colab 튜토리얼[2]을 공유합니다. Detectron2은 PyTorch기반의 Object Detection API입니다. Object Detection 하면 Bounding Box Regression 테스크를 많이들 떠..
- 2019.12.05 Our paper “Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network” was published on JAMA Dermatology. To my knowledge, the performance of cancer detection was compared with that of dermatologists for the firs..
- 2019.12.04 #DEVIEW2019 #발표영상공개 DEVIEW 2019 모든 발표영상이 공개되었습니다. 지금 DEVIEW 홈페이지에서 확인하세요. ▶ DEVIEW 2019 발표 영상｜deview.kr/2019/schedule
- 2019.12.02 We just released our #NeurIPS2019 Multimodal Model-Agnostic Meta-Learning (MMAML) code for learning few-shot image classification, which extends MAML to multimodal task distributions (e.g. learning from multiple datasets). The code contains #PyTorch imp..
- 2019.12.01 [온라인 무료 강의] R로 하는 텍스트 전처리( 박찬엽 SK텔레콤 / T아카데미) 학습내용 1. 단정한 데이터란 무엇인지, 텍스트 데이터에서는 어떻게 접목되는지 이해한다. 2. 한글 데이터 분석에 ..
- 2019.12.01 Generate photorealistic facial images under new viewpoints or illumination conditions using this! https://www.profillic.com/paper/arxiv:1911.11999
- 2019.12.01 스텐포드 딥러닝 수업이 정말 많네요. 이번학기 새롭게 업데이트된 자료와 코스도 많으니 추운날 방에서 보고 있으면 이번 겨울이 빠르게 지날것 같습니다. 모두 딥러닝/AI와 함께 따뜻한 겨..
- 2019.11.30 안녕하십니까? 저는 기계공학(열유체공학)전공자입니다. 기계설계에 있어 데이터 및 인공신경망을 적용하고자 합니다. 텐서플로를 활용하여, DNN을 이용하여 기계의 성능예측 주제로 SCI 논..
- 2019.11.29 안녕하세요. 딥러닝 연구하실 때 주로 사용하시는 데스크탑/랩탑의 운영체제는 어떤 것을 사용하시는지 궁금해서 설문을 한번 작성해 봤습니다. 선택 항목을 임의로 추가했는데, 혹시 항목이..
- 2019.11.28 High-quality image editing using a new GAN framework! (video below shows image editing using scribbles) [https://www.profillic.com/paper/arxiv:1911.11544](https://www.profillic.com/paper/arxiv:1911.11544) code request link: http://bit.ly/ImageEditingGA..
- 2019.11.28 한-영 번역 AI 데이터 160만 문장 전면공개(The Science Monitor 김병석 기자) 솔트룩스 파트너스(www.mobico.com )는 12월중에 한국정보화진흥원이 운영하는 AI허브(http://www.aihub.or.kr) 에 고품질 인공지능 ..
- 2019.11.28 Enormous applications for graphics, medical imaging, engineering & entertainment industry: Fix the lighting of any poorly-lit 3D models you have! https://www.profillic.com/paper/arxiv:1911.11530 code request link to authors: http://bit.ly/Relighting ..
- 2019.11.27 Virtual Dressing Application using Deep Learning and Computer Vision. [https://www.youtube.com/watch?v=sYdoLNQOzsk](https://www.youtube.com/watch?v=sYdoLNQOzsk&fbclid=IwAR1nUUcrr7yoeBVDz04jkqhEOlH_kCq7vdjQvGPxXrrm5iT05D4mcoH4TbA)
- 2019.11.27 Recover very accurately the 3D shape of human faces, cat faces and cars from single-view images! https://www.profillic.com/paper/arxiv:1911.11130 Once trained, the model reconstructs the 3D pose, shape, albedo and illumination of a deformable object ..
- 2019.11.27 ICCV 2019 학회에서 관심있던 포스터들 위주로 정리하였습니다 :) 글들마다 포스터 + 몇몇 포스터들은 내용 설명이 적혀있습니다.
아시는 분은 이미 아시겠지만 Nvidia의 StyleGAN v2 가 공개되었습니다. 전체적으로 generation 성능이 매우 개선되었습니다.
Deep Learning/GAN 2019. 12. 23. 12:08https://www.facebook.com/groups/847991005393886/permalink/1162345990625051/?sfnsn=mo아시는 분은 이미 아시겠지만 Nvidia의 StyleGAN v2 가 공개되었습니다. 전체적으로 generation 성능이 매우 개선되었습니다. 앞으로 발전이 더 기대가 되네요!
Video: [https://www.youtube.com/watch?v=c-NJtV9Jvp0](https://www.youtube.com/watch?v=c-NJtV9Jvp0)
Code: [https://github.com/NVlabs/stylegan2](https://github.com/NVlabs/stylegan2)
Paper: [https://arxiv.org/abs/1912.04958](https://arxiv.org/abs/1912.04958)
'Deep Learning > GAN' 카테고리의 다른 글
안녕하세요! 지난번에 이어 Detectron2에서 custom dataset을 활용하여 object detection 알고리즘을 학습시켜보는
Deep Learning/resources 2019. 12. 23. 10:06안녕하세요!
지난번에 이어 Detectron2에서 custom dataset을 활용하여 object detection 알고리즘을 학습시켜보는 간단한 튜토리얼을 공유합니다[1].
이번에도 AIHub에서 제공하는 보행자 데이터셋[2]을 이용하였습니다. Detectron2 프레임워크 자체가 인터페이스가 너무 잘 되어 있어서 custom dataset을 활용하기 정말 간편합니다.(Detectron2에서 제공하는 cDatasetCatalog에 데이터셋을 간편하게 등록하기만 하면 됩니다. 자세한 내용은 주피터 노트북 튜토리얼을 참고하세요!)
+ AIHub에 오늘 접속해보니 보행자 데이터셋이 추가 업데이트되었네요. bbox annotation가 추가되었고 (구체적인 통계는 아직 모르겠습니다), depth map과 instance segmentation을 위한 polygon annotation이 추가되었습니다. 데이터 퀄리티는 확인해 봐야 알겠지만 (bbox는 확실히 꼼꼼하고 좋았습니다), 시도해볼 것들이 많아졌군요!
다음 시간에는 detectron2를 활용해 다양한 모델을 커스터마이징 하는 방법을 공유하도록 하겠습니다.
오늘도 즐거운 하루 보내세요!
REFERENCES
[1] http://bit.ly/2EGDgQm
[2] http://aihub.or.kr/aidata/136
'Deep Learning > resources' 카테고리의 다른 글
안녕하세요, Cognex Deep Learning Lab KOR (前 수아랩)에서 머신러닝 엔지니어로 일하고 있는 이호성이라고합니다. 자사의 기
Deep Learning/resources 2019. 12. 19. 17:56안녕하세요, Cognex Deep Learning Lab KOR (前 수아랩)에서 머신러닝 엔지니어로 일하고 있는 이호성이라고합니다.
자사의 기술블로그(http://research.sualab.com/) 에 전이 학습(Transfer Learning) 관련 글이 올라와서 홍보차 글을 올리게 되었습니다. 이번 글은 기홍도 연구원님이 작성해주셨습니다.
http://research.sualab.com/introduction/review/2019/12/19/transfer-learning-in-sualab.html
전이 학습(Transfer Learning)은 딥러닝을 공부하시는 분들은 다들 많이 들어보셨을 것이라 생각합니다. 소스(source)의 지식을 타겟(target)으로 전이시키는 과정을 의미하며 ImageNet으로 pretraining 한 model을 다른 task에 적용하는 것이 가장 대표적으로 쓰이는 예시입니다. 자세한 내용은 블로그 글에서 확인하실 수 있습니다.
그동안 수아랩의 기술블로그에서는 Tutorial, 논문 리뷰 등의 주제로만 글을 작성하였었는데, 이번 글은 전이 학습 분야에 대한 소개는 물론, 수아랩이 전이 학습을 어떻게 사용하고 있는지, 앞으로 어떻게 연구를 진행할 지 등을 다루고 있으니 많은 관심 부탁드리겠습니다. 감사합니다!
'Deep Learning > resources' 카테고리의 다른 글
글로벌 '딥페이크 식별 챌린지. '딥 페이크 감지 챌린지 (DFDC, Deepfake Detection Challenge)' 딥페이크 폐해를
Deep Learning/Kaggle 2019. 12. 17. 13:52글로벌 '딥페이크 식별 챌린지. '딥 페이크 감지 챌린지 (DFDC, Deepfake Detection Challenge)'
딥페이크 폐해를 막기 위해 페이스북, 마이크로소프트, AWS 그리고 13 개국 100개 파트너로 결성된 'AI 파트너십'이
총상금 100만 달러(약 11억8천만원),
(Kaggle)에서 진행, 내년 3월 31일까지.
'딥 페이크 감지 챌린지(DFDC, Deepfake Detection Challenge)' 행사 웹사이트
https://deepfakedetectionchallenge.ai/
캐글 진행 홈페이지
https://www.kaggle.com/c/deepfake-detection-challenge
관련 기사
http://www.aitimes.kr/news/articleView.html?idxno=14906
'Deep Learning > Kaggle' 카테고리의 다른 글
안녕하세요. 이번에 Tracking 관련해서 연구를 시작하게 되었는데, 라벨링 관련해서 궁금한게 있어 질문올립니다. 현재 비디오에서 annota
Deep Learning/resources 2019. 12. 17. 13:41안녕하세요.
이번에 Tracking 관련해서 연구를 시작하게 되었는데, 라벨링 관련해서 궁금한게 있어 질문올립니다.
현재 비디오에서 annotation을 하는 중인데, 30만장이 넘는 데이터셋이라서 수작업은 불가능하다고 판단하고 다음과 같은 과정으로 annotation을 진행했습니다.
비디오에서 Object가 Translation과 Rotation만 일어나는 것을 확인
Unet으로 비디오 첫 프레임의 Object만 학습시킨뒤 나머지는 Prediction
전처리후 육안으로 걸러내면 annotation 완료
음.. 그런데, 수작업이 아니다보니 annotation된 데이터는 어느정도의 오차를(육안으로 5%정도) 가질수 밖에 없는데, 해당 오차를 가지고 있는 데이터셋으로 실험을 했을 때 이게 합당하느냐에 대한 질문을 받았습니다.
혹시 비디오 이미지에서 라벨링을 하시는 분들은 어떻게 하고 계신지, 그리고 이런 문제에 대해서 다루고 있는 논문같은게 있으면 공유를 부탁드립니다 ㅜㅜ
미리 감사드립니다 :)
돈이 있으시면 https://aws.amazon.com/ko/sagemaker/groundtruth/
'Deep Learning > resources' 카테고리의 다른 글
이제 캐글은 국내 많은 이들의 관심사가 된 것 같습니다. 저희 그룹이 7,000명이 넘어가면서 "왜 캐글을 해야할까" 라는 질문을 항상 하곤
Deep Learning/Kaggle 2019. 12. 17. 13:38이제 캐글은 국내 많은 이들의 관심사가 된 것 같습니다.
저희 그룹이 7,000명이 넘어가면서
"왜 캐글을 해야할까" 라는 질문을 항상 하곤 합니다.
아마 본 그룹에 계신분들도 가지고 이 질문을 가지고 계실 거 같네요!
각자마다 캐글을 해야하는 이유가 다를 것입니다.
이를 위한 현실적 조언을 해주는 여러 동영상을 소개 합니다.
우버 Uber Sr. Data Scientist Tech Lead Manager Jeong-Yoon Lee 박사님의 조언
https://youtu.be/vM6D4Q-a4QA
네이버 AI Research Engineer 송호연 (Chris Song)님의 조언
https://www.youtube.com/watch?v=8mjeJpHtLVQ
위 두 영상을 보며, 본 그룹의 개개인에게 캐글이 어떤 의미인지 고민해보시면 좋을 것 같군요!
각자가 원하는 방향은 다르지만,
킵고잉 공부 마인드는 같을 겁니다.
포기하지말고 킵고잉 합시다 가즈아!
'Deep Learning > Kaggle' 카테고리의 다른 글
The Complete Deep learning Masterpiece by Andrew Ng Neural Networks and Deep Le
Deep Learning/resources 2019. 12. 16. 16:46The Complete Deep learning Masterpiece by Andrew Ng
Neural Networks and Deep Learning.
Improving Deep Neural Networks: Hyperparameter tuning.
Regularization, and Optimization.
Structuring Machine Learning Projects.
Convolutional Neural Networks.
Sequence Models.
Beautifully drawn notes by Tess Ferrandez:
https://www.slideshare.net/TessFerrandez/notes-from-coursera-deep-learning-courses-by-andrew-ng
You can Download the PDF here 👇🏼:
https://github.com/mukeshmithrakumar/Book_List/blob/master/Deep%20learning%20Masterpiece%20by%20Andrew%20Ng.pdf
Credit: Mahmoud Badry
Follow me for more AI and Data science posts :
https://www.facebook.com/adhiraiyan/
#artificialintelligence #datascience #machinelearning #deeplearning #technology
'Deep Learning > resources' 카테고리의 다른 글
State of the art in estimating 3D human pose and shape! https://www.profillic.co
Deep Learning/Papers2read 2019. 12. 16. 14:31https://www.facebook.com/groups/1738168866424224/permalink/2482023208705449/?sfnsn=mo
State of the art in estimating 3D human pose and shape! https://www.profillic.com/paper/arxiv:1912.05656
'Deep Learning > Papers2read' 카테고리의 다른 글
Here's an ultimate data science starter kit: 1. Foundational Skills • Intro to
Deep Learning/course 2019. 12. 16. 14:24Here's an ultimate data science starter kit:
1. Foundational Skills
• Intro to Python - https://lnkd.in/grCsv8v
• Intro to R - https://lnkd.in/gKFiDZn
• Data Wrangling Pydata (90min) - https://lnkd.in/gEhF3-W
• EDA (20min video) - https://lnkd.in/gT8_RKh
• Stats/Prob (Khan Academy) - https://lnkd.in/gsyGpVu
2. Technical Skills
• Data Gathering- Why API Medium https://lnkd.in/gvahtsN
• Intro to SQL: https://lnkd.in/giWs-3N
• Complete SQL Bootcamp: https://lnkd.in/gsgf_fF
• Data Visualization - Medium https://lnkd.in/g3FSRgY
• Machine Learning A-Z: https://lnkd.in/gXqdBsQ
3. Business Skills
• Communication - Data Storytelling https://lnkd.in/gtiCSNT
• Business Analytics- Geckoboard https://lnkd.in/g2X-Xtp
4. Extra Skills
• Natural Language Processing - How to solve 90% of NLP https://lnkd.in/gh8bKe4
• Recommendation Systems - How Spotify Knows You So Well https://lnkd.in/gH2GQKu
• Time Series Analysis - Complete Time Series https://lnkd.in/gFZU2Rb
5. Practice
• Projects/Competitions - Kaggle Kernels https://www.kaggle.com/
• Problem Solving Challenges - HackerRank https://lnkd.in/g9Ps2cb
- - -
Hope these resources help!
If you want more free DS/ML resources, feel free to check out my site: www.ClaoudML.com
Happy learning! #datascience #machinelearning
'Deep Learning > course' 카테고리의 다른 글
안녕하세요! TensorFlow-KR 논문읽기 모임 #PR12 의 214번째 논문은 2015년 ICCV에서 발표된 FlowNet: Learnin
Deep Learning/Papers2read 2019. 12. 16. 14:23안녕하세요! TensorFlow-KR 논문읽기 모임 #PR12 의 214번째 논문은 2015년 ICCV에서 발표된 FlowNet: Learning Optical Flow with Convolutional Networks라는 논문입니다. Optical Flow는 비디오의 인접한 Frame에 대하여 각 Pixel이 첫 번째 Frame에서 두 번째 Frame으로 얼마나 이동했는지의 Vector를 모든 위치에 대하여 나타낸 Map입니다. Video에 Motion을 분석하는 일은 매우 중요하기 때문에, 이러한 Optical Flow 역시 굉장히 중요한 요소 중 하나인데요, 이번 영상에서는 고전적인 Computer Vision에서 쓰였던 다양한 Optical Flow 알고리즘들과, Deep Learning Based로 Optical Flow를 구하는 Neural Network인 FlowNet에 대하여 정리해 봤습니다. 감사합니다!! :)
Youtube link: [https://www.youtube.com/watch?v=Z_t0shK98pM](https://www.youtube.com/watch?v=Z_t0shK98pM)
Paper link : http://openaccess.thecvf.com/content_iccv_2015/html/Dosovitskiy_FlowNet_Learning_Optical_ICCV_2015_paper.html
Slide link : https://www.slideshare.net/HyeongminLee3/pr213-flownet-learning-optical-flow-with-convolutional-networks
'Deep Learning > Papers2read' 카테고리의 다른 글
ICYMI: Beautify your face using a GAN-based architecture! https://www.profillic.com/paper/arxiv:1912.03630
Deep Learning/Papers2read 2019. 12. 11. 18:16ICYMI: Beautify your face using a GAN-based architecture!
https://www.profillic.com/paper/arxiv:1912.03630
https://www.facebook.com/groups/DeepNetGroup/permalink/1028034027589479/?sfnsn=mo
https://www.profillic.com/paper/arxiv:1912.03630
https://www.facebook.com/groups/DeepNetGroup/permalink/1028034027589479/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
fast.ai 수강생이 진행한 Top6 프로젝트의 리스트 입니다. 좋아요를 많이 받은 순서인것 같네요. 노트북과 설명이 함께 첨부되어 있습니다 :) 1. segmentation & classification of buildings from drone/aerial imag..
Deep Learning/resources 2019. 12. 11. 16:09fast.ai 수강생이 진행한 Top6 프로젝트의 리스트 입니다. 좋아요를 많이 받은 순서인것 같네요. 노트북과 설명이 함께 첨부되어 있습니다 :)
1. segmentation & classification of buildings from drone/aerial imagery in Zanzibar, Tanzania
https://forums.fast.ai/t/share-your-work-here/27676/577
2. Time series classification: General Transfer Learning with Convolutional Neural Networks
https://forums.fast.ai/t/share-your-work-here/27676/367
3. plotting the loss function and the path followed by SGD
https://forums.fast.ai/t/share-your-work-here/27676/300
4. Urban Sounds database Converted de soundfiles (wav) into spectrograms
https://forums.fast.ai/t/share-your-work-here/27676/61
5. 10 class audio classification task
https://forums.fast.ai/t/share-your-work-here/27676/39
6. applying PCA to the last layer before the predictions => interpreted the top two features as ‘naked/hairy’ and ‘dog/cat’
https://forums.fast.ai/t/share-your-work-here/27676/26
https://www.facebook.com/groups/fastaikr/permalink/2477649515783828/?sfnsn=mo
1. segmentation & classification of buildings from drone/aerial imagery in Zanzibar, Tanzania
https://forums.fast.ai/t/share-your-work-here/27676/577
2. Time series classification: General Transfer Learning with Convolutional Neural Networks
https://forums.fast.ai/t/share-your-work-here/27676/367
3. plotting the loss function and the path followed by SGD
https://forums.fast.ai/t/share-your-work-here/27676/300
4. Urban Sounds database Converted de soundfiles (wav) into spectrograms
https://forums.fast.ai/t/share-your-work-here/27676/61
5. 10 class audio classification task
https://forums.fast.ai/t/share-your-work-here/27676/39
6. applying PCA to the last layer before the predictions => interpreted the top two features as ‘naked/hairy’ and ‘dog/cat’
https://forums.fast.ai/t/share-your-work-here/27676/26
https://www.facebook.com/groups/fastaikr/permalink/2477649515783828/?sfnsn=mo
'Deep Learning > resources' 카테고리의 다른 글
Generate 3D Avatars from a Single Image! Wide range of applications from virtual/augmented reality (VR/AR) and telepsychiatry to human-computer interaction and social networks. https://www.profillic.com/paper/arxiv:1912.03455
Deep Learning/Papers2read 2019. 12. 11. 16:03Generate 3D Avatars from a Single Image! Wide range of applications from virtual/augmented reality (VR/AR) and telepsychiatry to human-computer interaction and social networks.
https://www.profillic.com/paper/arxiv:1912.03455
https://www.facebook.com/groups/TensorFlowKR/permalink/1059469937727397/?sfnsn=mo
https://www.profillic.com/paper/arxiv:1912.03455
https://www.facebook.com/groups/TensorFlowKR/permalink/1059469937727397/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
#TFKRNeurIPS 안녕하세요! 오늘 NeurIPS 학회에서 제가 가장 관심있었던 주제는 <Efficient Processing of Deep Neural Network: from Algorithms to Hardware Architectures> 입니다! 저는 주로 네트워크 경량화쪽 기술에 ..
Deep Learning/resources 2019. 12. 10. 22:43#TFKRNeurIPS
안녕하세요! 오늘 NeurIPS 학회에서 제가 가장 관심있었던 주제는
<Efficient Processing of Deep Neural Network: from Algorithms to Hardware Architectures>
입니다!
저는 주로 네트워크 경량화쪽 기술에 관심이 많은데, MIT에 계시는 Vivienne Sze 교수님께서 가장 기초적인 부분부터 최근 연구까지 하나하나 차근차근 설명해주시는 세션이었습니다. 특히, 저는 하드웨어 관점에서는 많이 생각을 해보지는 못했는데 하드웨어 관점에서 여러 논문들을 소개해주셔서 도움이 되었습니다.
공식 슬라이드는
http://eyeriss.mit.edu/2019_neurips_tutorial.pdf
이고,
벌써 비디오로도 볼 수 있는 것 같네요
비디오 링크: https://slideslive.com/38921492/efficient-processing-of-deep-neural-network-from-algorithms-to-hardware-architectures
(제가 찍은 사진에는 참석자가 없는 것 처럼 보이지만, 참석자가 사실 엄청 많았습니다!!)
https://www.facebook.com/groups/TensorFlowKR/permalink/1060767684264289/?sfnsn=mo
안녕하세요! 오늘 NeurIPS 학회에서 제가 가장 관심있었던 주제는
<Efficient Processing of Deep Neural Network: from Algorithms to Hardware Architectures>
입니다!
저는 주로 네트워크 경량화쪽 기술에 관심이 많은데, MIT에 계시는 Vivienne Sze 교수님께서 가장 기초적인 부분부터 최근 연구까지 하나하나 차근차근 설명해주시는 세션이었습니다. 특히, 저는 하드웨어 관점에서는 많이 생각을 해보지는 못했는데 하드웨어 관점에서 여러 논문들을 소개해주셔서 도움이 되었습니다.
공식 슬라이드는
http://eyeriss.mit.edu/2019_neurips_tutorial.pdf
이고,
벌써 비디오로도 볼 수 있는 것 같네요
비디오 링크: https://slideslive.com/38921492/efficient-processing-of-deep-neural-network-from-algorithms-to-hardware-architectures
(제가 찍은 사진에는 참석자가 없는 것 처럼 보이지만, 참석자가 사실 엄청 많았습니다!!)
https://www.facebook.com/groups/TensorFlowKR/permalink/1060767684264289/?sfnsn=mo
'Deep Learning > resources' 카테고리의 다른 글
안녕하세요! facebookresearch의 Detectron2[1]의 한국어버전 Colab 튜토리얼[2]을 공유합니다. Detectron2은 PyTorch기반의 Object Detection API입니다. Object Detection 하면 Bounding Box Regression 테스크를 많이들 떠..
Deep Learning/resources 2019. 12. 10. 21:45안녕하세요!
facebookresearch의 Detectron2[1]의 한국어버전 Colab 튜토리얼[2]을 공유합니다.
Detectron2은 PyTorch기반의 Object Detection API입니다. Object Detection 하면 Bounding Box Regression 테스크를 많이들 떠올리시는데, 요즘은 Object Detection 하면 넓은 의미로 bounding box/keypoints detection, instance/semantic/panoptic segmentation 모두를 지칭하는 용어로 사용하기도 하는 것 같습니다.
Detectron2의 특징으로는
1. PyTorch 기반
2. 다양한 Object Detection 알고리즘 제공
3. 방대한 Pretrained Model Zoo 제공
4. 이를 활용할 수 있는 쉬운 API 환경을 제공
5. 아주 쉬운 커스텀 데이터셋 로더 만들기
(특히 bbox 표현 방식이 데이터셋별로 상이한 경우가 많은데, 4가지 bbox 버전을 제공해줘서 정말 편했습니다)
Detectron2 repo에 colab 튜토리얼 원문이 있는데 이번 한국어버전 튜토리얼의 차이점은.
+ 한국어 번역
+ 튜토리얼 목차 순서를 조금 더 직관적으로 변경
+ RetinaNet(bbox) 이미지/비디오 인퍼런스 튜토리얼 추가
+ RetinaNet(bbox) 커스텀 데이터셋 학습 튜토리얼 추가
으로 제 입맛대로 한번 바꿔봤습니다..
필요한 챕터만 골라서 이것저것 튜닝해보면 기초적인 부분은 쉽게 이해하
요즘 날씨가 정말 춥네요.. 모두들 연말 따뜻하게 보내세요!
항상 감사합니다!
REFERENCES
[1] https://github.com/facebookresearch/detectron2
[2] https://colab.research.google.com/github/visionNoob/detectron2_aihub_tutorial/blob/master/Detectron2_Tutorial_(kor_ver).ipynb
https://www.facebook.com/groups/TensorFlowKR/permalink/1059469937727397/?sfnsn=mo
facebookresearch의 Detectron2[1]의 한국어버전 Colab 튜토리얼[2]을 공유합니다.
Detectron2은 PyTorch기반의 Object Detection API입니다. Object Detection 하면 Bounding Box Regression 테스크를 많이들 떠올리시는데, 요즘은 Object Detection 하면 넓은 의미로 bounding box/keypoints detection, instance/semantic/panoptic segmentation 모두를 지칭하는 용어로 사용하기도 하는 것 같습니다.
Detectron2의 특징으로는
1. PyTorch 기반
2. 다양한 Object Detection 알고리즘 제공
3. 방대한 Pretrained Model Zoo 제공
4. 이를 활용할 수 있는 쉬운 API 환경을 제공
5. 아주 쉬운 커스텀 데이터셋 로더 만들기
(특히 bbox 표현 방식이 데이터셋별로 상이한 경우가 많은데, 4가지 bbox 버전을 제공해줘서 정말 편했습니다)
Detectron2 repo에 colab 튜토리얼 원문이 있는데 이번 한국어버전 튜토리얼의 차이점은.
+ 한국어 번역
+ 튜토리얼 목차 순서를 조금 더 직관적으로 변경
+ RetinaNet(bbox) 이미지/비디오 인퍼런스 튜토리얼 추가
+ RetinaNet(bbox) 커스텀 데이터셋 학습 튜토리얼 추가
으로 제 입맛대로 한번 바꿔봤습니다..
필요한 챕터만 골라서 이것저것 튜닝해보면 기초적인 부분은 쉽게 이해하
요즘 날씨가 정말 춥네요.. 모두들 연말 따뜻하게 보내세요!
항상 감사합니다!
REFERENCES
[1] https://github.com/facebookresearch/detectron2
[2] https://colab.research.google.com/github/visionNoob/detectron2_aihub_tutorial/blob/master/Detectron2_Tutorial_(kor_ver).ipynb
https://www.facebook.com/groups/TensorFlowKR/permalink/1059469937727397/?sfnsn=mo
'Deep Learning > resources' 카테고리의 다른 글
Our paper “Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network” was published on JAMA Dermatology. To my knowledge, the performance of cancer detection was compared with that of dermatologists for the firs..
Deep Learning/Papers2read 2019. 12. 5. 13:14Our paper “Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network” was published on JAMA Dermatology. To my knowledge, the performance of cancer detection was compared with that of dermatologists for the first time in dermatology. Because most of previous studies were classification studies, preselection of end-user was essential. In addition, there were numerous false positives because training data set did not include enough number of common disorders and normal structures.
With the assistance of R-CNN, we trained neural networks with 1,106,886 image crops to localize and diagnose malignancy. The algorithm detects suspected lesion and shows malignancy score and predicts possible diagnosis (178 disease classes).
We used region-based CNN (faster-RCNN; backbone = VGG-16) as a region proposal module, and utilized CNN (SE-ResNet-50) to choose adequate lesion, and utilized CNN (SE-ResNeXt-50 + SENet) to determine malignancy. We chose a multi-step approach to reduce the dimension of problem (object detection -> classification).
The AUC for the validation dataset (2,844 images from 673 patients comprising 185 malignant, 305 benign, and 183 normal conditions) was 0.910. The algorithm’s F1 score and Youden index (sensitivity + specificity - 100%) were comparable with those of 13 dermatologists, while surpassing those of 20 non-dermatologists (325 images from 80 patients comprising 40 malignant, 20 benign, and 20 normal). We are performing an additional work with large scale external validation data set. The pilot result is similar with this report, so I hope I will submit soon.
Web DEMO (https://rcnn.modelderm.com) of the model is accessible via smartphone or PC, to facilitate scientific communication. Sorry for the slowness of the DEMO because it runs on my personal computer despite of the multi-threading and parallel processing with 2080 x1 and 1070 x1.
Thank you.
Paper : https://jamanetwork.com/journals/jamadermatology/article-abstract/2756346
Screenshot : https://i.imgur.com/2TCkdHf.png
Screenshot : https://i.imgur.com/IEZLfOg.jpg
DEMO : https://rcnn.modelderm.com
https://m.facebook.com/groups/107107546348803?view=permalink&id=1021762028216679&sfnsn=mo
With the assistance of R-CNN, we trained neural networks with 1,106,886 image crops to localize and diagnose malignancy. The algorithm detects suspected lesion and shows malignancy score and predicts possible diagnosis (178 disease classes).
We used region-based CNN (faster-RCNN; backbone = VGG-16) as a region proposal module, and utilized CNN (SE-ResNet-50) to choose adequate lesion, and utilized CNN (SE-ResNeXt-50 + SENet) to determine malignancy. We chose a multi-step approach to reduce the dimension of problem (object detection -> classification).
The AUC for the validation dataset (2,844 images from 673 patients comprising 185 malignant, 305 benign, and 183 normal conditions) was 0.910. The algorithm’s F1 score and Youden index (sensitivity + specificity - 100%) were comparable with those of 13 dermatologists, while surpassing those of 20 non-dermatologists (325 images from 80 patients comprising 40 malignant, 20 benign, and 20 normal). We are performing an additional work with large scale external validation data set. The pilot result is similar with this report, so I hope I will submit soon.
Web DEMO (https://rcnn.modelderm.com) of the model is accessible via smartphone or PC, to facilitate scientific communication. Sorry for the slowness of the DEMO because it runs on my personal computer despite of the multi-threading and parallel processing with 2080 x1 and 1070 x1.
Thank you.
Paper : https://jamanetwork.com/journals/jamadermatology/article-abstract/2756346
Screenshot : https://i.imgur.com/2TCkdHf.png
Screenshot : https://i.imgur.com/IEZLfOg.jpg
DEMO : https://rcnn.modelderm.com
https://m.facebook.com/groups/107107546348803?view=permalink&id=1021762028216679&sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
#DEVIEW2019 #발표영상공개 DEVIEW 2019 모든 발표영상이 공개되었습니다. 지금 DEVIEW 홈페이지에서 확인하세요. ▶ DEVIEW 2019 발표 영상｜deview.kr/2019/schedule
Deep Learning/resources 2019. 12. 4. 16:50#DEVIEW2019 #발표영상공개
DEVIEW 2019 모든 발표영상이 공개되었습니다.
지금 DEVIEW 홈페이지에서 확인하세요.
▶ DEVIEW 2019 발표 영상｜deview.kr/2019/schedule
https://m.facebook.com/story.php?story_fbid=2364070777054935&id=353497304778969&sfnsn=mo
DEVIEW 2019 모든 발표영상이 공개되었습니다.
지금 DEVIEW 홈페이지에서 확인하세요.
▶ DEVIEW 2019 발표 영상｜deview.kr/2019/schedule
https://m.facebook.com/story.php?story_fbid=2364070777054935&id=353497304778969&sfnsn=mo
'Deep Learning > resources' 카테고리의 다른 글
We just released our #NeurIPS2019 Multimodal Model-Agnostic Meta-Learning (MMAML) code for learning few-shot image classification, which extends MAML to multimodal task distributions (e.g. learning from multiple datasets). The code contains #PyTorch imp..
Deep Learning/Papers2read 2019. 12. 2. 12:27We just released our #NeurIPS2019 Multimodal Model-Agnostic Meta-Learning (MMAML) code for learning few-shot image classification, which extends MAML to multimodal task distributions (e.g. learning from multiple datasets). The code contains #PyTorch implementations of our model and two baselines (MAML and Multi-MAML) as well as the scripts to evaluate these models to five popular few-shot learning datasets: Omniglot, Mini-ImageNet, FC100 (CIFAR100), CUB-200-2011, and FGVC-Aircraft.
Code: https://github.com/shaohua0116/MMAML-Classification
Paper: https://arxiv.org/abs/1910.13616
#NeurIPS #MachineLearning #ML #code
Code: https://github.com/shaohua0116/MMAML-Classification
Paper: https://arxiv.org/abs/1910.13616
#NeurIPS #MachineLearning #ML #code
'Deep Learning > Papers2read' 카테고리의 다른 글
[온라인 무료 강의] R로 하는 텍스트 전처리( 박찬엽 SK텔레콤 / T아카데미) 학습내용 1. 단정한 데이터란 무엇인지, 텍스트 데이터에서는 어떻게 접목되는지 이해한다. 2. 한글 데이터 분석에 ..
Deep Learning/NLP 2019. 12. 1. 15:37[온라인 무료 강의] R로 하는 텍스트 전처리( 박찬엽 SK텔레콤 / T아카데미)
학습내용
1. 단정한 데이터란 무엇인지, 텍스트 데이터에서는 어떻게 접목되는지 이해한다.
2. 한글 데이터 분석에 필요한 Rmecabko / KoLNP 사용법을 알아보고, 한글 데이터 전처리 방법을 알아본다.
<학습대상>
R 프로그래밍이 가능하며, stringr 패키지와 정규표현식에 대하 이해가 있으신 분
<강의목록>
[1강] Tidyverse I - 파이프연산자(%/%), dplyr
[2강] Tidyverse II - tidy data, tidy text
[3강] 형태소분석 패키지 설치 - KoNLP, RmecanKo
[4강] 형태소분석 패키지 사용실습 - Token화, 불용어 제거, 정규표현식
[5강] 정량 지표 I - 단순출현빈도, 동시출현빈도
[6강] 정량 지표 II - tf-idf, 감성분석
* 박찬엽 선생님 github : https://mrchypark.github.io/
* 출처 : https://tacademy.skplanet.com/live/player/onlineLectureDetail.action?seq=166
https://www.facebook.com/113979985329905/posts/2664110800316798/?sfnsn=mo
학습내용
1. 단정한 데이터란 무엇인지, 텍스트 데이터에서는 어떻게 접목되는지 이해한다.
2. 한글 데이터 분석에 필요한 Rmecabko / KoLNP 사용법을 알아보고, 한글 데이터 전처리 방법을 알아본다.
<학습대상>
R 프로그래밍이 가능하며, stringr 패키지와 정규표현식에 대하 이해가 있으신 분
<강의목록>
[1강] Tidyverse I - 파이프연산자(%/%), dplyr
[2강] Tidyverse II - tidy data, tidy text
[3강] 형태소분석 패키지 설치 - KoNLP, RmecanKo
[4강] 형태소분석 패키지 사용실습 - Token화, 불용어 제거, 정규표현식
[5강] 정량 지표 I - 단순출현빈도, 동시출현빈도
[6강] 정량 지표 II - tf-idf, 감성분석
* 박찬엽 선생님 github : https://mrchypark.github.io/
* 출처 : https://tacademy.skplanet.com/live/player/onlineLectureDetail.action?seq=166
https://www.facebook.com/113979985329905/posts/2664110800316798/?sfnsn=mo
'Deep Learning > NLP' 카테고리의 다른 글
Generate photorealistic facial images under new viewpoints or illumination conditions using this! https://www.profillic.com/paper/arxiv:1911.11999
Deep Learning/Papers2read 2019. 12. 1. 15:35Generate photorealistic facial images under new viewpoints or illumination conditions using this!
https://www.facebook.com/groups/DeepNetGroup/permalink/1018236828569199/?sfnsn=mo
https://www.facebook.com/groups/DeepNetGroup/permalink/1018236828569199/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
스텐포드 딥러닝 수업이 정말 많네요. 이번학기 새롭게 업데이트된 자료와 코스도 많으니 추운날 방에서 보고 있으면 이번 겨울이 빠르게 지날것 같습니다. 모두 딥러닝/AI와 함께 따뜻한 겨..
Deep Learning/course 2019. 12. 1. 15:16스텐포드 딥러닝 수업이 정말 많네요. 이번학기 새롭게 업데이트된 자료와 코스도 많으니 추운날 방에서 보고 있으면 이번 겨울이 빠르게 지날것 같습니다. 모두 딥러닝/AI와 함께 따뜻한 겨울 되기실!
Deep Learning
[http://web.stanford.edu/class/cs230/](http://web.stanford.edu/class/cs230/)
[ Natural Language Processing ]
CS 124: From Languages to Information (LINGUIST 180, LINGUIST 280)
[http://web.stanford.edu/class/cs124/](http://web.stanford.edu/class/cs124/)
CS 224N: Natural Language Processing with Deep Learning (LINGUIST 284)
[http://web.stanford.edu/class/cs224n/](http://web.stanford.edu/class/cs224n/)
CS 224U: Natural Language Understanding (LINGUIST 188, LINGUIST 288)
[http://web.stanford.edu/class/cs224u/](http://web.stanford.edu/class/cs224u/)
CS 276: Information Retrieval and Web Search (LINGUIST 286)
[http://web.stanford.edu/class/cs](http://web.stanford.edu/class/cs224u/)276
[ Computer Vision ]
CS 131: Computer Vision: Foundations and Applications
http://[cs131.stanford.edu](http://cs131.stanford.edu/)
CS 205L: Continuous Mathematical Methods with an Emphasis on Machine Learning
[http://web.stanford.edu/class/cs205l/](http://web.stanford.edu/class/cs205l/)
CS 231N: Convolutional Neural Networks for Visual Recognition
[http://cs231n.stanford.edu/](http://cs231n.stanford.edu/)
CS 348K: Visual Computing Systems
[http://graphics.stanford.edu/courses/cs348v-18-winter/](http://graphics.stanford.edu/courses/cs348v-18-winter/)
[ Others ]
CS224W: Machine Learning with Graphs([Yong Dam Kim](https://www.facebook.com/yongdam.kim) )
[http://web.stanford.edu/class/cs224w/](http://web.stanford.edu/class/cs224w/)
CS 273B: Deep Learning in Genomics and Biomedicine (BIODS 237, BIOMEDIN 273B, GENE 236)
[https://canvas.stanford.edu/courses/51037](https://canvas.stanford.edu/courses/51037)
CS 236: Deep Generative Models
[https://deepgenerativemodels.github.io/](https://deepgenerativemodels.github.io/)
CS 228: Probabilistic Graphical Models: Principles and Techniques
[https://cs228.stanford.edu/](https://cs228.stanford.edu/)
CS 337: Al-Assisted Care (MED 277)
[http://cs337.stanford.edu/](http://cs337.stanford.edu/)
CS 229: Machine Learning (STATS 229)
[http://cs229.stanford.edu/](http://cs229.stanford.edu/)
CS 229A: Applied Machine Learning
[https://cs229a.stanford.edu](https://cs229a.stanford.edu/)
CS 234: Reinforcement Learning
http://[s234.stanford.edu](http://cs234.stanford.edu/)
CS 221: Artificial Intelligence: Principles and Techniques
[https://stanford-cs221.github.io/autumn2019/](https://stanford-cs221.github.io/autumn2019/)
https://m.facebook.com/groups/255834461424286?view=permalink&id=1051374671870257&sfnsn=mo
Deep Learning
[http://web.stanford.edu/class/cs230/](http://web.stanford.edu/class/cs230/)
[ Natural Language Processing ]
CS 124: From Languages to Information (LINGUIST 180, LINGUIST 280)
[http://web.stanford.edu/class/cs124/](http://web.stanford.edu/class/cs124/)
CS 224N: Natural Language Processing with Deep Learning (LINGUIST 284)
[http://web.stanford.edu/class/cs224n/](http://web.stanford.edu/class/cs224n/)
CS 224U: Natural Language Understanding (LINGUIST 188, LINGUIST 288)
[http://web.stanford.edu/class/cs224u/](http://web.stanford.edu/class/cs224u/)
CS 276: Information Retrieval and Web Search (LINGUIST 286)
[http://web.stanford.edu/class/cs](http://web.stanford.edu/class/cs224u/)276
[ Computer Vision ]
CS 131: Computer Vision: Foundations and Applications
http://[cs131.stanford.edu](http://cs131.stanford.edu/)
CS 205L: Continuous Mathematical Methods with an Emphasis on Machine Learning
[http://web.stanford.edu/class/cs205l/](http://web.stanford.edu/class/cs205l/)
CS 231N: Convolutional Neural Networks for Visual Recognition
[http://cs231n.stanford.edu/](http://cs231n.stanford.edu/)
CS 348K: Visual Computing Systems
[http://graphics.stanford.edu/courses/cs348v-18-winter/](http://graphics.stanford.edu/courses/cs348v-18-winter/)
[ Others ]
CS224W: Machine Learning with Graphs([Yong Dam Kim](https://www.facebook.com/yongdam.kim) )
[http://web.stanford.edu/class/cs224w/](http://web.stanford.edu/class/cs224w/)
CS 273B: Deep Learning in Genomics and Biomedicine (BIODS 237, BIOMEDIN 273B, GENE 236)
[https://canvas.stanford.edu/courses/51037](https://canvas.stanford.edu/courses/51037)
CS 236: Deep Generative Models
[https://deepgenerativemodels.github.io/](https://deepgenerativemodels.github.io/)
CS 228: Probabilistic Graphical Models: Principles and Techniques
[https://cs228.stanford.edu/](https://cs228.stanford.edu/)
CS 337: Al-Assisted Care (MED 277)
[http://cs337.stanford.edu/](http://cs337.stanford.edu/)
CS 229: Machine Learning (STATS 229)
[http://cs229.stanford.edu/](http://cs229.stanford.edu/)
CS 229A: Applied Machine Learning
[https://cs229a.stanford.edu](https://cs229a.stanford.edu/)
CS 234: Reinforcement Learning
http://[s234.stanford.edu](http://cs234.stanford.edu/)
CS 221: Artificial Intelligence: Principles and Techniques
[https://stanford-cs221.github.io/autumn2019/](https://stanford-cs221.github.io/autumn2019/)
https://m.facebook.com/groups/255834461424286?view=permalink&id=1051374671870257&sfnsn=mo
'Deep Learning > course' 카테고리의 다른 글
안녕하십니까? 저는 기계공학(열유체공학)전공자입니다. 기계설계에 있어 데이터 및 인공신경망을 적용하고자 합니다. 텐서플로를 활용하여, DNN을 이용하여 기계의 성능예측 주제로 SCI 논..
Deep Learning/TensorFlow 2019. 11. 30. 17:27안녕하십니까?
저는 기계공학(열유체공학)전공자입니다.
기계설계에 있어 데이터 및 인공신경망을 적용하고자 합니다. 텐서플로를 활용하여, DNN을 이용하여 기계의 성능예측 주제로 SCI 논문을 게재한바가 있습니다.
그런데, 제가 인공신경망이 주전공이 아니다보니 원서보다는 국내 번역서를 보고 적용하는 경우가 많습니다. 그런데, 최근 텐서플로2.0이 되면서 기존에 보유하고있던 텐서플로 서적의 코드가 전혀 먹히지가 않았습니다. 따라서, 최근 텐서플로 2.0 국내번역서를 찾아보고 있습니다만, 검색되는 것이 이 도서밖에 없네요...
이 도서가 괜찮은지 여쭤보고싶고, 텐서플로2.0 국내도서로 출간계획이라던지 추천도서가 있으면 추천부탁드립니다.
감사합니다.
https://www.facebook.com/groups/TensorFlowKR/permalink/1051135725227485/?sfnsn=mo
저는 기계공학(열유체공학)전공자입니다.
기계설계에 있어 데이터 및 인공신경망을 적용하고자 합니다. 텐서플로를 활용하여, DNN을 이용하여 기계의 성능예측 주제로 SCI 논문을 게재한바가 있습니다.
그런데, 제가 인공신경망이 주전공이 아니다보니 원서보다는 국내 번역서를 보고 적용하는 경우가 많습니다. 그런데, 최근 텐서플로2.0이 되면서 기존에 보유하고있던 텐서플로 서적의 코드가 전혀 먹히지가 않았습니다. 따라서, 최근 텐서플로 2.0 국내번역서를 찾아보고 있습니다만, 검색되는 것이 이 도서밖에 없네요...
이 도서가 괜찮은지 여쭤보고싶고, 텐서플로2.0 국내도서로 출간계획이라던지 추천도서가 있으면 추천부탁드립니다.
감사합니다.
https://www.facebook.com/groups/TensorFlowKR/permalink/1051135725227485/?sfnsn=mo
'Deep Learning > TensorFlow' 카테고리의 다른 글
안녕하세요. 딥러닝 연구하실 때 주로 사용하시는 데스크탑/랩탑의 운영체제는 어떤 것을 사용하시는지 궁금해서 설문을 한번 작성해 봤습니다. 선택 항목을 임의로 추가했는데, 혹시 항목이..
Deep Learning/resources 2019. 11. 29. 17:37안녕하세요. 딥러닝 연구하실 때 주로 사용하시는 데스크탑/랩탑의 운영체제는 어떤 것을 사용하시는지 궁금해서 설문을 한번 작성해 봤습니다. 선택 항목을 임의로 추가했는데, 혹시 항목이 없는 경우 항목을 추가해주시거나 댓글로 달아주시면 감사하겠습니다 :)
https://www.facebook.com/groups/datakorea/permalink/1349148285253979/?sfnsn=mo
https://www.facebook.com/groups/datakorea/permalink/1349148285253979/?sfnsn=mo
'Deep Learning > resources' 카테고리의 다른 글
High-quality image editing using a new GAN framework! (video below shows image editing using scribbles) [https://www.profillic.com/paper/arxiv:1911.11544](https://www.profillic.com/paper/arxiv:1911.11544) code request link: http://bit.ly/ImageEditingGA..
Deep Learning/Papers2read 2019. 11. 28. 14:35High-quality image editing using a new GAN framework! (video below shows image editing using scribbles)
[https://www.profillic.com/paper/arxiv:1911.11544](https://www.profillic.com/paper/arxiv:1911.11544)
code request link: http://bit.ly/ImageEditingGAN
Applications: image reconstruction, image inpainting, image crossover, local style transfer, image editing using scribbles, and attribute level feature transfer
https://www.facebook.com/groups/DeepNetGroup/permalink/1015294845530064/?sfnsn=mo
[https://www.profillic.com/paper/arxiv:1911.11544](https://www.profillic.com/paper/arxiv:1911.11544)
code request link: http://bit.ly/ImageEditingGAN
Applications: image reconstruction, image inpainting, image crossover, local style transfer, image editing using scribbles, and attribute level feature transfer
https://www.facebook.com/groups/DeepNetGroup/permalink/1015294845530064/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
한-영 번역 AI 데이터 160만 문장 전면공개(The Science Monitor 김병석 기자) 솔트룩스 파트너스(www.mobico.com )는 12월중에 한국정보화진흥원이 운영하는 AI허브(http://www.aihub.or.kr) 에 고품질 인공지능 ..
Deep Learning/NLP 2019. 11. 28. 13:49한-영 번역 AI 데이터 160만 문장 전면공개(The Science Monitor 김병석 기자)
솔트룩스 파트너스(www.mobico.com )는 12월중에 한국정보화진흥원이 운영하는 AI허브(http://www.aihub.or.kr) 에 고품질 인공지능 번역 말뭉치 160만쌍을 공개한다.
인공지능 번역 학습을 위한 말뭉치는 ‘원문-번역문’의 문장쌍이 하나의 데이터를 이룬다. 따라서 160만 문장이라 함은 160만 문장쌍을 의미한다. 지난 5월 15일 한국정보화진흥원이 발주한 2019 인공지능데이터 구축사업의 주관사업자로 선정된 후 6.5개월간 300명이상의 구축인력을 통해 얻어낸 결과물이다.
* 출처 : http://scimonitors.com/%ED%95%9C-%EC%98%81-%EB%B2%88%EC%97%AD-ai-%EB%8D%B0%EC%9D%B4%ED%84%B0-160%EB%A7%8C-%EB%AC%B8%EC%9E%A5-%EC%A0%84%EB%A9%B4%EA%B3%B5%EA%B0%9C/
https://www.facebook.com/113979985329905/posts/2659217740806104/?sfnsn=mo
솔트룩스 파트너스(www.mobico.com )는 12월중에 한국정보화진흥원이 운영하는 AI허브(http://www.aihub.or.kr) 에 고품질 인공지능 번역 말뭉치 160만쌍을 공개한다.
인공지능 번역 학습을 위한 말뭉치는 ‘원문-번역문’의 문장쌍이 하나의 데이터를 이룬다. 따라서 160만 문장이라 함은 160만 문장쌍을 의미한다. 지난 5월 15일 한국정보화진흥원이 발주한 2019 인공지능데이터 구축사업의 주관사업자로 선정된 후 6.5개월간 300명이상의 구축인력을 통해 얻어낸 결과물이다.
* 출처 : http://scimonitors.com/%ED%95%9C-%EC%98%81-%EB%B2%88%EC%97%AD-ai-%EB%8D%B0%EC%9D%B4%ED%84%B0-160%EB%A7%8C-%EB%AC%B8%EC%9E%A5-%EC%A0%84%EB%A9%B4%EA%B3%B5%EA%B0%9C/
https://www.facebook.com/113979985329905/posts/2659217740806104/?sfnsn=mo
'Deep Learning > NLP' 카테고리의 다른 글
Enormous applications for graphics, medical imaging, engineering & entertainment industry: Fix the lighting of any poorly-lit 3D models you have! https://www.profillic.com/paper/arxiv:1911.11530 code request link to authors: http://bit.ly/Relighting ..
Deep Learning/Papers2read 2019. 11. 28. 09:50Enormous applications for graphics, medical imaging, engineering & entertainment industry: Fix the lighting of any poorly-lit 3D models you have!
https://www.profillic.com/paper/arxiv:1911.11530
code request link to authors: http://bit.ly/Relighting
(relighting done using multiview image inputs)
https://www.facebook.com/groups/datakorea/permalink/1349148285253979/?sfnsn=mo
https://www.profillic.com/paper/arxiv:1911.11530
code request link to authors: http://bit.ly/Relighting
(relighting done using multiview image inputs)
https://www.facebook.com/groups/datakorea/permalink/1349148285253979/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
Virtual Dressing Application using Deep Learning and Computer Vision. [https://www.youtube.com/watch?v=sYdoLNQOzsk](https://www.youtube.com/watch?v=sYdoLNQOzsk&fbclid=IwAR1nUUcrr7yoeBVDz04jkqhEOlH_kCq7vdjQvGPxXrrm5iT05D4mcoH4TbA)
Deep Learning/Papers2read 2019. 11. 27. 21:24Virtual Dressing Application using Deep Learning and Computer Vision.
[https://www.youtube.com/watch?v=sYdoLNQOzsk](https://www.youtube.com/watch?v=sYdoLNQOzsk&fbclid=IwAR1nUUcrr7yoeBVDz04jkqhEOlH_kCq7vdjQvGPxXrrm5iT05D4mcoH4TbA)
https://www.facebook.com/groups/machinelearningforum/permalink/10158529504863475/?sfnsn=mo
[https://www.youtube.com/watch?v=sYdoLNQOzsk](https://www.youtube.com/watch?v=sYdoLNQOzsk&fbclid=IwAR1nUUcrr7yoeBVDz04jkqhEOlH_kCq7vdjQvGPxXrrm5iT05D4mcoH4TbA)
https://www.facebook.com/groups/machinelearningforum/permalink/10158529504863475/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
Recover very accurately the 3D shape of human faces, cat faces and cars from single-view images! https://www.profillic.com/paper/arxiv:1911.11130 Once trained, the model reconstructs the 3D pose, shape, albedo and illumination of a deformable object ..
Deep Learning/Papers2read 2019. 11. 27. 21:18Recover very accurately the 3D shape of human faces, cat faces and cars from single-view images! https://www.profillic.com/paper/arxiv:1911.11130
Once trained, the model reconstructs the 3D pose, shape, albedo and illumination of a deformable object instance from a single image with excellent fidelity.
https://www.facebook.com/groups/1738168866424224/permalink/2464672923773811/?sfnsn=mo
Once trained, the model reconstructs the 3D pose, shape, albedo and illumination of a deformable object instance from a single image with excellent fidelity.
https://www.facebook.com/groups/1738168866424224/permalink/2464672923773811/?sfnsn=mo
'Deep Learning > Papers2read' 카테고리의 다른 글
ICCV 2019 학회에서 관심있던 포스터들 위주로 정리하였습니다 :) 글들마다 포스터 + 몇몇 포스터들은 내용 설명이 적혀있습니다.
Deep Learning/Papers2read 2019. 11. 27. 21:06ICCV 2019 학회에서 관심있던 포스터들 위주로 정리하였습니다 :) 글들마다 포스터 + 몇몇 포스터들은 내용 설명이 적혀있습니다.
https://www.facebook.com/groups/slamkr/permalink/1029141977445446/?sfnsn=mo
https://www.facebook.com/groups/slamkr/permalink/1029141977445446/?sfnsn=mo
