발표자료 11월 24일 날 있을 발표자료 미리 공유합니다. https://docs.google.com/presentation/d/1vnFwZIC3Pk7VRmyoFcSt7zICnigajno72XCXXMj4RG8/edit?usp=sharing 같은 고민을 하셨던 분들끼리 공유하시기를 바랍니다.

중간발표당시 발표했던 발표자료입니다. 혹시 필요하신 분있을까봐 업로드 합니다. https://docs.google.com/presentation/d/1Iyb32pDYYbgU8c70niDdszOiqtb9jlVNlgLg-6H63EM/edit?usp=sharing

1차 정기모임까지 리뷰 마친 논문 목록 A. design neural networks and object detection 1. Going deeper with convolutions 2. Rethinking the Inception Architecture for Computer Vision 3. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 4. Inception-v4, Inception-ResNet and th

리뷰 마친 논문 목록 A. design neural networks and object detection 1. Going deeper with convolutions 2. Rethinking the Inception Architecture for Computer Vision 3. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 4. Inception-v4, Inception-ResNet and the Impact o

랩 소개 팀 맥락은 image description, image caption 분야로 관심을 끌고 있는 영상을 해설하는 분야에 대해 연구를 진행하기 위해 모인 팀으로 관련 논문 학습 재현과 더불어 연구과정중 계속해서 새로운 아이디어를 추구 시도해보기 위해 모였습니다. 영상 해설분야는 추후에 영상을 해설로 바꾸는 단계에서 해설을 다시 영상으로 복원해보는 등 다양한 발전방향이 있을 것을 기대 해보고 있습니다. 랩장 소개 • 강우람 / 랩장 : 영상기반 감정인식부터 얼굴인식까지 다양한 연구과제에 참여 해 보았고 간단한 머신 설계에서부

요약 • 중간발표이후 실제 논문리딩과 모인간 설계 명세를 토대로 TEXT TO IMAGE GAN과 IMAGE TO TEXT GAN의 연결과 관련하여 KERAS 기반으로 모델링 하고 학습을 시키고 있습니다. • TEXT TO IMAGE GAN의 경우 최초 256 * 256의 OUTPUT FEATURE를 만들어보려고 하였으나 파라미터의 수가 기하급수적으로 증가 64 * 64로 FEATURE 를 뽑은 후 STACKGAN을 하는 방향으로 선회 하였습니다. • word2vec을 이용한 문장 embedding에 대한 그 한계점을 실험적으

1차 정기모임까지 리뷰 마친 논문 목록 A. design neural networks and object detection 1. Going deeper with convolutions 2. Rethinking the Inception Architecture for Computer Vision 3. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 4. Inception-v4, Inception-ResNet and th

요약 • 이번 모임부터는 읽기로한 논문의 내용도 많고 주제내에 유사한 내용이 많기 때문에 관심있게 읽은 주제별로 요약정리하기로 하였습니다 • 또한 이번 기간동안에 저희 랩의 목표를 구체화 하였는데 이번 기수 연구 소목표로 image caption과 GAN을 응용하여 image caption GAN을 모델링해볼 예정입니다. 예를 들어 어떤 이미지 I에 대해 discriminator가 a bird is flying라는 캡션을 만들고 캡션 S of (Image, Sentence) 의 bird를 car로 바꿔 generate하면

요약 • 연구계획에도 작성하였던 것 처럼 1차 모임에는 가벼운 마음으로 논문 7편 정도를 리뷰하였고 1차 모임에서는 CNN설계 방법론적인 내용과 알려진 모델의 설계 아이디어를 배우는데 그 모적을 두고 논문리뷰를 진행 하였습니다. • 추후에 진행 사항 공유를 위해 리뷰한 논문 목록은 따로 작성해서 글로 올려놓을 예정입니다. • 천천히 학습량과 속도를 늘려 나갈 예정으로 다음 차시때 13-15편정도의 관련 논문을 분석, 리뷰할 예정입니다. 논문 리뷰 요약 • Going deeper with convolutions 해당 논문