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
State of the art in image processing using GANs
https://www.profillic.com/paper/arxiv:1912.07116
https://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)
안녕하세요!
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
안녕하세요, 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!
글로벌 '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
안녕하세요.
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/
이제 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!
The 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
https://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
Here'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
안녕하세요! 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