[Paper Review] Variational Feature Disentangling for Fine-Grained Few-Shot Classification

[Paper Review] Variational Feature Disentangling for Fine-Grained Few-Shot Classification

Abstract데이터 증강은 few-shot 분류의 문제를 해결하는 직관적인 단계이지만, 증강된 샘플에서 변별력과 다양성을 모두 보장하는 것은 어려운 일이다. -> 이 문제를 해결하기 위해 무작위로 샘플링된 클래스 내 변형으로 feature를 증강하는 동시에, 클래스 discriminative feature를 보존할 수 있는 feature disentanglement(분리) framework를 제안한다.  -> 구체적으로, feature representation을 두가지 구성요소 (하나는 클래스 내 분산을 represent하고, 다른 하나는 클래스 구분 정보를 인코딩하는 것) 으로 분리한다. -> 포즈, 배경, 조명 조건의 변화로 인해 유발되는 클래스 내 변이은 모든 클래스들에서 공유되며, 공통 분포를..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 8. 5.
  • textsms
[Paper Review] BSNet: Bi-Similarity Network for Few-shot Fine-grained Image Classification

[Paper Review] BSNet: Bi-Similarity Network for Few-shot Fine-grained Image Classification

논문 링크 : https://arxiv.org/abs/2011.14311 BSNet: Bi-Similarity Network for Few-shot Fine-grained Image ClassificationFew-shot learning for fine-grained image classification has gained recent attention in computer vision. Among the approaches for few-shot learning, due to the simplicity and effectiveness, metric-based methods are favorably state-of-the-art on many tasks.arxiv.org Abstractfew-shot ..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 7. 29.
  • textsms
[Paper Review] Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification

[Paper Review] Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification

논문 링크:https://ieeexplore.ieee.org/document/7298880 Hyper-class augmented and regularized deep learning for fine-grained image classificationDeep convolutional neural networks (CNN) have seen tremendous success in large-scale generic object recognition. In comparison with generic object recognition, fine-grained image classification (FGIC) is much more challenging because (i) fine-grained labelie..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 7. 15.
  • textsms
[Paper Review] MetaFormer : A Unified Meta Framework for Fine-Grained Recognition

[Paper Review] MetaFormer : A Unified Meta Framework for Fine-Grained Recognition

논문 링크 :https://arxiv.org/abs/2203.02751 MetaFormer: A Unified Meta Framework for Fine-Grained RecognitionFine-Grained Visual Classification(FGVC) is the task that requires recognizing the objects belonging to multiple subordinate categories of a super-category. Recent state-of-the-art methods usually design sophisticated learning pipelines to tackle this taskarxiv.org 다음 포스팅과 영상을 보고 학습한 내용을 정리한 ..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 7. 8.
  • textsms
[Paper Review] CLIP (Learning Transferable Visual Models From Natural Language Supervision)

[Paper Review] CLIP (Learning Transferable Visual Models From Natural Language Supervision)

이번에 NUS MMRL에서 파견연구를 하게되면서 가장 먼저 읽어보라고 하신 CLIP 논문에 대해 리뷰해보겠다. 논문을 이해하는데에 참고한 블로그와 영상들이다.https://greeksharifa.github.io/computer%20vision/2021/12/19/CLIP/ Python, Machine & Deep LearningPython, Machine Learning & Deep Learninggreeksharifa.github.iohttps://youtu.be/HkkaKI6NN-8?si=UvXCdFFS9hEYwwYy 논문 링크 : https://arxiv.org/abs/2103.00020 Learning Transferable Visual Models From Natural Language Sup..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 7. 1.
  • textsms
[ResNet] 졸음운전 분류 프로젝트

[ResNet] 졸음운전 분류 프로젝트

전 게시물에서 CNN과 VGG를 활용해서 졸음운전을 분류하는 프로젝트를 정리해보았는데, 이번엔 이어서 ResNet을 사용해서 진행해본 부분을 정리해보겠다. https://y8jinn.tistory.com/65 [CNN] 졸음운전 분류 프로젝트 ION Lab에서 CNN을 활용하여 졸음운전을 분류해보는 프로젝트를 진행해보았다. 운전자의 특징 변화를 측정함으로써 졸음여부를 판단하는 방법으로 CNN 기반 모델이 운전자의 '눈'을 인식하여 졸음 y8jinn.tistory.com https://y8jinn.tistory.com/66 [VGG] 졸음운전 분류 프로젝트 전 게시물에서 CNN을 활용해서 졸음운전을 분류하는 프로젝트를 정리해보았는데, 이번엔 이어서 VGG와 ResNet을 사용해서 진행해본 부분을 정리해보겠..

  • format_list_bulleted Deep Learning & AI/CV
  • · 2024. 3. 18.
  • textsms