본문 바로가기

분류 전체보기91

Learning to Compare Relation Network for Few-Shot Learning(RelationNet, 2018) 리뷰 Few shot learning 서베이 논문 중 episode training부분이 이해가 잘 안됐다. 확실히 이해하기 위해 이 테크닉을 사용하는 논문 중 그나마 짧고 쉬워 보이는 RelationNet을 읽어보았다. 기존 episode training모델들과 구현상에 큰 차이는 없으며 RelationNet보다는 episode training에 조금 더 중점적으로 리뷰해보겠다. Abstract & Introduction Abstract에서는 이 논문에는 contribution을 크게 두 가지로 서술한다. end-to-end 학습이 가능 Few-shot learning과 Zero-shot learning에서 기존에 비해 높은 성능 달성 이후 이 논문에서 사용한 episode training방법에 대해 간략히.. 2024. 1. 6.
GAN구현(Pytorch) 논문을 읽을때는 구현이 어려워 보이지는 않았었다. 자세한 구현내용은 깃허브 링크로 대체했는데 모델이 Theano로 구현돼 있었고 논문이 나온 후 GAN의 아키텍처가 많이 발전돼서 정확히 논문 그대로의 예제를 찾기 어려웠다. 그러다 보니 구현 중에 다양한 예제를 참고했으며 이것저것 시도해 보니 데이터셋이 쉬워서 그런지 어떤 방식으로도 생성엔 문제가 없는 것 같다. Maxout을 사용한 이 레포의 모델을 많이 참고했다. Generator class Generator(nn.Module): def __init__(self, input_dim=100, output_dim = 784): super(Generator, self).__init__() self.input_dim = input_dim self.output.. 2023. 12. 22.
Generative Adversarial Nets(GAN, 2014) 리뷰 이번에는 생성모델의 시초라고도 볼 수 있는 GAN을 리뷰해 보겠다. 대게 이런 특정 task의 시초가 되는 논문은 장황한 수식과 설명이 함께 있는 경우가 많은데 이 논문은 상대적으로 길이는 짧은 편인 것 같다. 모델 아키텍쳐에 관한 설명이 간단하여 이에 대해 골머리를 썩일 필요도 없는데 이 논문의 가장 중요한 파트인 Loss function의 증명 부분이 유난히 이해하기 어려웠다. 물론 워낙 유명해서 관련 자료가 많아 이해정도는 쉽게 가능하다. Abstract & Introduction 이 당시만해도 딥러닝에 추가적인 기법을 이용해 생성을 시도하는 논문이 있었으며 저자는 이 방법이 생성에 그다지 유리하지 않다고 생각해 추가적인 생성 모델을 제작했다고 한다. 데이터의 분포를 찾는 Generator mode.. 2023. 12. 20.
A Closer Look at Few-shot Classification(2019) 리뷰 하반기 취준에 패배하고 대학원에 입학하고자 여러 분야의 논문을 가림 없이 읽고 있다. 그중 Few Shot Learning은 간간히 듣던 연구 주제라 개념을 잡기 위해 먼저 대표적인 Survey논문을 하나 읽고 리뷰해보려 한다. Abstract & Introduction Few-shot classification의 정의: 제한된 라벨의 데이터만을 사용하여 훈련시킨뒤 훈련 중에 보지 못한 라벨에 대해 분류하는 분류기를 만드는 것 저자는 논문에서 크게 세가지를 제안한다. 더 깊은 backbone이 도메인 차이가 크지 않은 데이터 간에 성능차이를 확연히 줄인다. few-shot데이터셋들에 대해 기존 SOTA보다 성능이 높은 baseline++을 제안 FSL의 시나리오에 더 적합한 평가지표 소개 도입부에서는 기.. 2023. 12. 15.