딥러닝에서 CNN (Convolutional Neural Network) 은 주로 이미지를 분석하는 데 가장 일반적으로 사용하는 ANN (Artificial Neural Network) 이다. 물론 요즘은 트랜스포머 기반의 네트워크를 많이 사용하지만 CNN 또한 여전히 많이 사용되고 트랜스포머와 CNN의 조합의 네트워크 또한 심심치 않게 볼 수 있다. 이번 포스팅에서는 CNN의 핵심 layer인 convolutional layer의 개념과 의미에 대해 설명하고자 한다. * CNN (Convolutional Neural Network)CNN은 입력 데이터에 대해 계층적으로 학습하며 입력 데이터의 특징을 추출하기 위해 Convolution, Pooling, Non-linear activation functi..

VGGNet - Very Deep Convolutional Networks for Large-Scale Image Recognition / arXiv 2014 ResNet - Deep Residual Learning for Image Recognition / CVPR 2016 Densenet - Densely Connected Convolutional Networks / CVPR 2017 VGGNet VGGNet은 AlexNet보다 network의 layer가 2배이상 깊어지며 더욱 복잡한 task를 해결할 수 있습니다. Network layer 가 깊어지고 성능이 향상될 수 있었던 이유는 VGGNet부터 convolutional filter를 3x3 size를 사용하여 네트워크를 깊게 쌓기 시작했기 때..

본 논문은 ECCV2016에 게재된 논문으로 4D light-field dataset을 처음으로 재질 인식에 사용한 연구 입니다. Light field? light field 는 빛을 시공간 field에서 표현하기 위한 plenoptic function으로 정의할 수 있는데, 이중에서 빛의 방향(가로 각도, 세로각도), 빛의 2차원 위치(x,y) 4개의 파라미터만을 사용하여 4D light-field라고 합니다. Lytro Illum 등의 4D light-field 카메라는 micro lens array를 main lens와 photo sensor 사이에 위치시켜 오브젝트 한 지점에서 여러 방향으로 방사되어 main lenz를 통과하는 빛을 micro lens로 분리시켜 따로 저장시킬 수 있습니다. 이는..

본 논문은 CVPR2021에 게재된 논문이며 texture recogntion(texture, material datatset) SOTA를 달성한 연구입니다. Texture Recognition ? Texture Recognition은 Image classification 분야의 일부로 object(e.g. 강아지,고양이,사슴,트럭,...etc.)가 아닌 texture(체크무늬, 줄무늬, 페이즐, 밧줄, etc.)를 분류하는 작업입니다. object는 하나의 class가 어느정도의 deformation(object의 세부 class, object를 보는 각도, object의 자세 차이)을 가지지만 유사한 shape을 가지므로 global한 shape정보가 주요한 feature로 사용됩니다. 하지만, te..