HAYEUP

논문 제목은 Bag of Tricks and A Strong Baseline for Deep Person Re-identification 으로 CVPR 2019 논문입니다. Person Tracking Problem에서 Person Re-identification을 수행하기 위한 딥러닝 모델과 해당 모델을 학습하는데 유용한 방법, 트릭을 소개합니다. 논문의 어감을 최대한 전달하기 위해 특정 단어는 영어 그대로 적었습니다. Abstract 본 논문에서는 간단하고 효율적인 Baseline Model과 유용한 Tricks를 소개합니다. 이러한 방법을 통해 Market1501 Dataset 기준으로 Global Feature만을 사용해 94.5% rank-1 Accuracy와 89.5% mAP를 달성합니다. I..

이번에 포스팅할 논문은 2017년 CVPR에 발표된 PointNet이라는 제목의 논문을 리뷰하겠습니다. PointNetVLAD 논문의 핵심이 되는 개념으로 3D Point Cloud 데이터를 신경망의 학습 데이터로 사용하기 위한 문제점들을 해결한 방법론입니다. 해당 논문이 발표된 이후로 3D 데이터를 사용하는 딥러닝 방법론들의 baseline이 된 것으로 알고있습니다. 논문에서 제안하는 모델이 워낙 간단하기 때문에 논문도 모델의 구성보다는 모델의 이론적인 배경과 모델을 사용한 다양한 응용의 결과 위주로 구성되어있습니다. 너무 자세한 수식의 증명은 생략하고 모델을 설명하는 정도의 수식과 이론을 통해서 논문을 살펴보겠습니다. Abstract 3D 데이터의 불규칙적은 특성 때문에 많은 연구자들이 3D Voxe..

이번 포스팅에서는 Object Detection의 Bounding Box와 관련된 논문을 리뷰하겠습니다. 제목은 Deep Cuboid Detection : Beyond 2D Bounding Boxes 입니다. 아주 간략하게 직육면체 형태의 Object를 Detection하고 그에 맞게 직육면체 형태의 Bounding Box를 추정하는 방법으로 요약할수 있습니다. 이직을 준비하면서 면접 과제로 주어졌던 주제를 해결하는 과정에서 읽은 논문으로 파이프 라인을 통해서 논문에서 제안하는 모델의 구조와 학습이 이뤄지는 방법 그리고 결과만 살펴보겠습니다. 왼쪽 그림은 Object Detection에서 흔히 볼수있는 2D Bounding Box 입니다. Object의 종류에 무관하게 직사각형으로 이루어집니다. 오른쪽 ..

두 번째로 포스팅할 논문은 ICCV 2019에 개제 된 Learning with Average Precision : Training Image Retrieval with a Listwise Loss라는 논문입니다. 이전 포스팅과 마찬가지로 NAVER LABS의 localization으로 소개된 R2D2 논문을 읽던 중 Average Precision에 관한 지식이 부족해서 핵심 부분만 읽었습니다. 논문에서 다루고 있는 메인 아이디어만 수식을 통해서 알아보겠습니다. 제목에서 알 수 있듯이 AP(Average Precision)를 사용한 학습이 논문의 핵심입니다. 따라서 AP(Avergae Precision)가 무엇인지 알아야 합니다. Average Precision에 대해서 잘 정리해주신 글이 있어 링크를..

이전 포스팅에서 이어집니다. 지난번 포스팅에서 visual place recognition문제를 image retrieval로 정의하였고 이를 위해서 VLAD가 local image descriptor를 image representation 벡터로 pooling 하는 방법을 수식을 통해서 알아보았습니다. VLAD image representation 벡터 $V$는 다음과 같은 식으로 계산할수 있었습니다. $V(k) = \sum_{i=1}^{N}a_k({\bf{x_i}})(x_i - c_k)$ 위의 식을 신경망이 backpropagation방식으로 학습하기 위해서는 해결해야 할 문제가 있습니다. backpropagation 방식의 학습은 신경망의 각 노드가 결과에 얼마큼의 영향을 끼쳤는지 그 기여도를 미분..

처음으로 포스팅할 논문은 NetVLAD: CNN architecture for weakly supervised place recognition라는 제목으로 IEEE CVPR 2016에 발행된 논문입니다. NAVER LABS에서 진행하고 있는 Mapping & Localization Challenge에서 자체적으로 제작한 데이터셋을 활용한 localization 기법으로 사용한 방법론에 소개되어 있어 읽어보았습니다. NAVER LABS Mapping & Localization Challenge 네이버랩스가 만든 공간 데이터를 공유하고 함께 연구합니다. challenge.naverlabs.com [매핑 & 로컬라이제이션 챌린지] 데이터셋 구축 과정과 베이스라인 측위 기법 지난 4월 8일 ‘네이버랩스 매핑 &..

만든지는 꽤 됐는데 관리를 전혀 못했네요 오늘부터 시간날때마다 전공과 업무 관련해서 기술적인 글을 써볼까 합니다 실력이 미천하고 글재주가 전혀 없어 고퀄리티 글은 못쓰겠지만 어떤것을 봤고 공부했는지 기록하는 형태로 적도록 하겠습니다