(최종 수정일 : 23.05.03) https://arxiv.org/pdf/2003.06620.pdf 이 survey 보면서 정리하는 중.. https://github.com/gompaang/depth-estimation-paper Supervised monocular depth estimation [ deep learning architecture와 loss fucntion 위주의 논문들 ] [1] Depth Map Prediction from a Single Image using a Multi-Scale Deep Network (NeurIPS 2014) : 가장 처음으로 CNNs를 통해서 Depth Estimation task 해결하려고 함. (https://hey-stranger.tistory.co..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 하나하나 논문들 읽어봐야겠다!! Monocular depth estimation에 대해 ground truth가 사용되는 측면을 기준으로 3가지로 나누어 볼 수 있다. 1. Supervised methods 2. Unsupervised methods 3. Semi-supervised methods unsupervised methods나 semi-supervised methods의 training 과정은 monocular videos나 stereo image pairs에 의존하지만, testing할 때는 sin..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 이번에는 evaluation metrics에 대한 정리 Depth Estimation 의 evaluation metrics

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf 이번에는 dataset 정리 Depth Estimation의 Dataset 1. KITTI - 가장 크며, computer vision task들의 공통적으로 쓰이는 dataset이다. optical flow, visual odometry, depth, object detection, semantiv segmentation, tracking 등에 쓰인다. - unsupervised and semi-supervised monocolar depth estimation의 commonest benchmark이고, p..

(23.04.30) Monocular Depth Estimation Based On Deep Learning: An Overview https://arxiv.org/pdf/2003.06620.pdf Depth Estimation 흐름을 볼 수 있는 survey다. Depth Estimation Traditional depth estimation methods 은 multiple viewpoints의 feature correspondences 기반이다. 이를 stereo depth estimation 이라고 한다. Monocular depth estimation은 single image를 가지고 depth maps를 추론하는 방식이다. 그러나 이는 ill-posed problem이다. (ill-posed ..

(23.02.14) 논문 읽으면서 weakly-supervised semantic segmentation에 대해 정리해보았다. 적어나갈 부분이 생기면 앞으로 계속해서 업데이트 할 예정이다!! Weakly-supervised semantic segmentation weakly supervision 을 가지고, fully supervised approaches와 같은 퍼포먼스를 내고자 하는 task이다. 여기서 weakly supervision이라고 하면, image-level classfication labels, scribbles, bounding boxes 등을 말한다. 대부분의 WSSS methods들은 CAM을 기반으로 하고 있다. 왜냐면 CAM이 image classification labels를..

(23.02.12) DSRG 논문을 읽던 중, 처음보는 개념들이 나와서 찾아보았다...! seed region growing 방식을 개선하였다고 하는데, seed region growing 이란 무엇인가?? 참고 블로그 - https://blog.naver.com/laonple/220890216653 Region 기반 segmentation segmentation은 2가지 방식이 있다. 1. edge 기반 2. region 기반 edge 기반의 segementation은 image에서 차이가 있는 부분을 집중적으로 봤다면, region 기반의 segmentation은 image에서 비슷한 속성을 집중적으로 보는 방식이다. -> similarity region 기반에서 말하는 비슷한 속성은 밝기, 색상, ..

(23.01.25) segmentation 에서 평가지표로 쓰이는 IoU와 dice score에 대하여 정리해보았다. (23.02.17) mIoU 내용 추가 IoU와 Dice score은 ground truth와 predicted area 두 영역이 얼마나 겹쳐있는지를 나타내는 지표이다. IoU (intersection over union) ground truth를 A, predicted area를 B라고 했을 때, IoU는 위와 같다. IoU의 값은 0~1 사이이고, IoU의 값이 클수록, 즉 1에 가까울수록 좋은 성능의 모델이라 판단할 수 있다. MIoU (mean IoU) segmentation에서는 각 class에 대한 IoU를 계산하고, 평균을 취한 MIoU를 사용한다. Dice coeffici..

(23.01.22) convolution neural network 사용할 때의 hyperparameter 1) convolution - filter 크기 - filter 개수 2) pooling - window 크기 - window stride 3) fully-connected - layer의 개수 - neurons의 개수 neural network 아키텍쳐 종류 - one to one: vanila nerual networks - one to many: image captioning (image -> sequence of words) - many to one: sentiment classification (sequence of words -> sentiment(감정)) - many to many(1)..

참고 링크 https://cs231n.github.io/ http://aikorea.org/cs231n/ -> 한글 번역 Image classification: Data-driven Approach, k-Nearest Neighbor, train/val/test splits image classification (이미지 분류) : 입력 이미지를 정해진 카테고리 중 하나인 label로 분류하는 문제 -> object detection, segmetation 과 같은 다른 컴퓨터비전 문제에 쓰임 나타날 수 있는 문제점들 1. viewpoint variation(시점 변화): 객체의 단일 인스턴스는 카메라에 의해서 시점이 달라질 수 있음 2. scale variation(크기변화): visual class는 ..