maizer's blog

CV Paper List $\mathbf{InfoGAN:\;Interpretable\;Representation\;Learning\;by}$ $\mathbf{Information\;Maximizing\;Generative\;Adversarial\;Nets}$ $Abstract$ This paper describes InfoGAN, an information-theoretic extension to the Generative Adversarial Network that is able to learn disentangled representations in a completely unsupervised m... Read More

PapersWithCode CNN Year Key name Thesis Translation Analysis 2013 R-CNN Rich feature hierarchies for accurate object detection and semantic segmentation Null Link 2016 FPN Feature Pyramid Networks for Object Detection Null ... Read More

Introduction Exponential function, 지수 함수란 거듭제곱의 지수를 변수로 하고, 정의역을 실수 전체로 정의하는 초월 함수이다. 로그 함수의 역함수이다. 지수함수는 ${\text{exp}}(x)$ 또는 $e^{x}$와 같이 쓴다. 밑이 $e$ 인 지수 함수 $e^{x}$ 의 도함수는 $e^{x}$ 자신이 된다. Graphi $ y = e^{x} $[1] Summury Reference 1. 지수 함수, 위키백과, https://ko.wikipedia.org/wiki/지수_함수 Read More

Introduction Activation Function에서 Exp가 자주 보인다. Summury exp는 exponential function의 약자로 지수 함수를 뜻한다. \[exp(x) = e^{x}\] Read More

Introduction Convolution Calculation은 CNN에서 쓰이지 않는다. CNN에서는 Cross-Correlation 연산을 사용한다. Kernel을 Flip하지 않는 이유는 filter를 random으로 초기화하기 때문에 flip에 의미가 없다. Convolution Calculation은 하나의 함수와 또 다른 함수를 반전 이동한 값을 곱한 다음, 구간에 대해 적분하여 새로운 함수를 구하는 수학 연산자이다. 합성곱 연산은 두 함수 f, g 가운데 하나의 함수를 반전(reverse), 전이(shift)시킨 다음, 다른 하나의 함수와 곱한 결과를 적분하는 것을 의미한다. 이를 ... Read More

Introduction Subdividing the Output of Artifical Intelligence Algorithms consists of Regression Analysis, Binary Decision, Decision Classification Regression Analysis Regression Analysis estimates one feature value as a number and outputs it. Binary Decision Binary decision chooses between True or False and outputs it. Decision Classificat... Read More

Introduction Sigmoid Fucntion은 범위에 제한 없는 임의의 실숫값을 입력으로 받아 확률값의 범위에 해당하는 0과 1 사이의 값을 출력하는 함수다.[1] logit expression 실제 표현하려는 값을 로그값으로 대신 나타낸 것 Sign of Sigmoid Function \[\sigma(x)\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\... Read More