No more Discrimination : Cross City Adaptation of Road Scene Segmenters No more Discrimination : Cross City Adaptation of Road Scene Segmenters 한줄요약 Domain Adversarial Adaptation(DANN)으로 Segmentation문제에서 Domain Adaptation을 풀어보았다. Adaptation을 위해서 Latent space에서 Source와 Target간의 차이를 줄이도록 Adversarial하게 학습 시킴. 풀고자하는 문제는 Road scene segmentation 문제인데, segmentation에서는 항상 annotation data를 얻기가 힘드니깐, 이미 존재하는 dataset의 annotation을 이용해서 domain adaptation(unsupervised way)으로 segm.. 더보기 HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis 한줄요약 Attention module을 multi-scale level에서 각각 뽑아내서 이걸 하나로 잘 합쳐서 comprehensive attention module을 구하는 방법을 제안함 기존의 CNN에서 attention module이라고 하면, conv. filter에 반응하는 영역으로, 주어진 task를 해결하기 위해 discriminative한 영역에 모델이 주의를 기울이게 되는 모듈을 의미함. 예를 들어, 개와 고양이를 검출하는 검출기의 attention module을 살펴보면 동물의 얼굴에 attention이 집중되는 현상을 확인할 수 있음. 이러한 attention을 comp.. 더보기 [Object Detection] Soft-NMS -- Improving Object Detection With One Line of Code ICCV 2017에 아래와 같은 논문이 발표되었었는데요. Soft-NMS -- Improving Object Detection With One Line of Code https://arxiv.org/abs/1704.04503 자극적인 제목이라, 레딧에선 욕도 좀 먹은 것 같은데요ㅎㅎ 읽어보니 저는 내용이 참 괜찮았었어요. 그래서 지금 진행중인 프로젝트에 적용을 해보았는데, 약 1%의 성능 향상이 있었어요. 양날의 검이 아닌, 이득을 볼 확률이 매우 높은 방법처럼 보여서 기존의 NMS를 거의 대체하게 되지 않을까싶네요. p.s 중복이면 죄송합니다^^; 기존 Hard NMS를 거의 대체하게 될 것 같음. 더보기 이전 1 ··· 6 7 8 9 10 11 12 다음