반응형 딥러닝2 [연구 노트] Deep Active Learning 베이스라인 코드 리뷰 + 내 연구 Active Learning 연구를 예전에 했었는데 코드를 다 까먹었다. 액티브러닝만 할건 아니고 수술 영상에서 조금 특이한 연구(??)를 진행하려고 하는데, 구현할때 마음에 안들만한 구석이 있을지(?) 싶어서 기억을 더듬어 이 코드부터 다시 뜯어보려고 한다. 예전에 이걸 참고해서 짰어서. 코드 보면서 쓰는 글. 아래 코드를 보고있다. github.com/ej0cl6/deep-active-learning ej0cl6/deep-active-learning Deep Active Learning. Contribute to ej0cl6/deep-active-learning development by creating an account on GitHub. github.com Step 1. 어떻게 동작하는지 알아야.. 2021. 1. 15. Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers 읽어보기 글 작성에 앞서, 필자는 segmentation을 해보지 않았음을 밝힘. 구경하려고 읽어보았다. What is the paper about? - Task : Semantic Segmentation - Main idea : Transformer를 적용하자! 최근 핫했던 연구인 ViT의 방식을 따른다. # Keywords Semantic Segmentation, Transformer 서론. 무려 4일 전에 아카이브에 뜬 따끈한 논문이다. 어디에 accept되었다는 말은 못봤다. 저번에 회사에서 16*16 word images (ViT) 논문을 리뷰하여 발표할때 우스갯소리로 내 분야에도 적용한다음에 깃발 꽂으면 논문 한편 뚝딱이라고(?) 했던 기억이 난다. 그 당시 나는 저 논문이 BERTS와 더 유사하다고 .. 2021. 1. 5. 이전 1 다음 반응형
