[Paper] Focal Loss for Dense Object Detection(2017) Contents 이 논문은 일반적으로 Object Detection 영역에서 Classification 부분에 해당하는 Loss Function을 설정할 때 사용되는 Cross-entropy에 대한 간단한 변형인 Focal Loss를 제안함으로써 Object Detection Algorithm의 성능을 향상시키는 방법을 소개합니다.
Deep Learning Research Group
자습용으로 작성한 자료 입니다. 출처는 맨 밑에 있습니다. 관련된 논문 – mobile net v1, shuffle net 등 개요 – 지금까지 CNN이 발전해 오면서 성능도 좋아졌지만 높은 연산량이 필요하도록 발전함 – 최근에 NAS계열의 Architecture Search도 있지만 역시 너무 복잡함. – 모바일에 맞는 Architecture를 찾는게 목표 Recap – Mobilenet V1 은 Depthwise와 Pointwise(1 […]
CAD : computer-aided diagnosis Framework GBM : gradient boosting machine DeepLung Classification based on detection Discussion
Python 을 활용한 금융 데이터 수집 예제 Google Colaboratory Source: bit.ly/2qvlSqJ 경제, 금융투자 주요 사이트와 데이터 한국거래소 http://krx.co.kr 전자공시 http://dart.fss.or.kr 한국은행 http://www.bok.or.kr http://www.bokeducation.or.kr/ 한국은행 경제교육 KDI 한국개발연구원 http://www.kdi.re.kr http://lib.kdi.re.kr/nonRelation/statDomestic 경제, 정치, 사회, 외교 보고서 논문 코트라 글로벌 뉴스 http://news.kotra.or.kr/kotranews/index.do – 해외시장뉴스 수출, 무역 보고서 ICT 통계포털 http://itstat.go.kr IT, ICT 분야 통계 한국신용평가 기업정보 http://www.kisline.com/ 한신평에서 제공하는 기업정보 […]
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Christian Ledig, Lucas Theis, Ferenc Huszar, Jose Caballero, Andrew Cunningham, Alejandro Acosta, Andrew Aitken, Alykhan Tejani, Johannes Totz, Zehan Wang, Wenzhe Shi (Submitted on 15 Sep 2016 (v1), […]
1. 서론 얼굴탐지가 어려운 이유 – 조명, 포즈, 겹침등 문제를 해결하기 위해 – 3개의 Multi Task CNN을 사용하여 얼굴과 랜드마크를 탐지하고, – Online hard Sample mining 전략을 사용하여 훈련하는 방법을 제안 * 얼굴검출(Face Detection) * 얼굴 랜드마크 과거에는 아래의 기술들을 사용함 – Haar-Like features(유사 하르 특징) and AdaBoost – Deformable part […]
Applying Deep Learning to Enhance Momentum Trading Strategies in Stocks http://cs229.stanford.edu/proj2013/TakeuchiLee-ApplyingDeepLearningToEnhanceMomentumTradingStrategiesInStocks.pdf abstract 우리는 개별 주식 가격의 history에서 feature를 추출하기 위해 stacked restricted Boltzmann machines로 구성된 autoencoder을 사용한다.우리 모델은 입력 기능의 extensive hand-engineering 없이 주식의 momentum effect의 향상된 버전을 발견하고 1990-2009 테스트 기간 동안 45.93 %의 연간 수익률을 basic momentum에 대해 10.53 %로 제공 할 수 […]
(paper) 참고 / 관련 논문 [1] Dimensionality Reduction by Learning an Invariant Mapping, Y. Lecun, 2005 (paper) [2] Fully-Convolutional Siamese Networks for Object Tracking, L. Bertinetto, 2016 (paper) [3] Signature verification using a siamese time delay neural network, Y. Lecun, 1993 (paper) Introduction ML 영역에서 좋은 Feature를 학습시키는 과정은 많은 연산량을 요구한다. 또한 주어진 데이터의 […]
input : h, v parameters : w, W, U, b output : e – unnormalized score