deep learning
-
https://cs230.stanford.edu/projects_fall_2019/reports/26233496.pdf Abstact 음식이미지는 SNS를 지배하고 여행과 음식점 선택을 유도하지만, 여전히 엄청난 양의 이미지 때문에 정리가 되지 않고 있다. 음식이미지 분류를 올바르게 활용하면 음식 추천, 다이어트를 위한 음식 선택 같은 것 처럼 전반적으로 음식에 대한 경험을 향상시킬 수 있다. 이 논문에서는 CNN으로 음식이미지 분류를 할 때의 문제를 탐구한다. scratch 학습, pretrained model을 통한 transfer learning을 사용하여 61.4% 정확도, 85.2%의 top-5 정확도를 달성했다. Introduction 흔히 우리는 “눈으로 먹는다”라고 말한다. 인스타그램같은 ..
[논문 읽기] Food Image Classification with Convolutional Neural Networkshttps://cs230.stanford.edu/projects_fall_2019/reports/26233496.pdf Abstact 음식이미지는 SNS를 지배하고 여행과 음식점 선택을 유도하지만, 여전히 엄청난 양의 이미지 때문에 정리가 되지 않고 있다. 음식이미지 분류를 올바르게 활용하면 음식 추천, 다이어트를 위한 음식 선택 같은 것 처럼 전반적으로 음식에 대한 경험을 향상시킬 수 있다. 이 논문에서는 CNN으로 음식이미지 분류를 할 때의 문제를 탐구한다. scratch 학습, pretrained model을 통한 transfer learning을 사용하여 61.4% 정확도, 85.2%의 top-5 정확도를 달성했다. Introduction 흔히 우리는 “눈으로 먹는다”라고 말한다. 인스타그램같은 ..
2023.08.30 -
Decoupling Representation and Classifier for Long-Tailed Recognition https://arxiv.org/abs/1910.09217 https://github.com/facebookresearch/classifier-balancing 이 프레임워크는 https://github.com/zhmiao/OpenLongTailRecognition-OLTR 을 베이스로 한다. 사용방법도 비슷함. 작성 중.. 논문이 너무 길다.. INTRODUCTION 저자는 Long-tail 데이터 분류를 end-to-end 학습(feature extractor, classifier 동시에 학습)으로 진행하면 classifier의 결정경계가 잘 형성된 것인지 더 좋은 represe..
[논문 읽기] Decoupling Representation and Classifier for Long-Tailed RecognitionDecoupling Representation and Classifier for Long-Tailed Recognition https://arxiv.org/abs/1910.09217 https://github.com/facebookresearch/classifier-balancing 이 프레임워크는 https://github.com/zhmiao/OpenLongTailRecognition-OLTR 을 베이스로 한다. 사용방법도 비슷함. 작성 중.. 논문이 너무 길다.. INTRODUCTION 저자는 Long-tail 데이터 분류를 end-to-end 학습(feature extractor, classifier 동시에 학습)으로 진행하면 classifier의 결정경계가 잘 형성된 것인지 더 좋은 represe..
2023.07.16 -
2023. 4. 16 기준 https://github.com/open-mmlab/mmpretrain/tree/mmcls-0.xopenmmlab의 mmclassification이 mmpretrain으로 바뀐 것 같습니다. 간략히 살펴본 결과 매커니즘은 크게 바뀌지 않은 것 같으니, 일단은 dev-1.x 브랜치의 config 작성법 위주로 작성해보려고 합니다. mmcls-0.x 브랜치로도 작성할 수 있지만, dev 브랜치의 특정 기능 때문에 dev 브랜치를 사용중입니다. dev와 master 브랜치의 큰 틀은 다르지 않으니 걱정하지 않으셔도 됩니다. mmpretrain 또한 거의 구조가 같습니다. 추후에 mmpretrain도 올려보도록 하겠습니다. 저만의 편한 방법을 찾아서 쓰고 있는 방법이니, 참고자료 정..
mmclassification config 작성법2023. 4. 16 기준 https://github.com/open-mmlab/mmpretrain/tree/mmcls-0.xopenmmlab의 mmclassification이 mmpretrain으로 바뀐 것 같습니다. 간략히 살펴본 결과 매커니즘은 크게 바뀌지 않은 것 같으니, 일단은 dev-1.x 브랜치의 config 작성법 위주로 작성해보려고 합니다. mmcls-0.x 브랜치로도 작성할 수 있지만, dev 브랜치의 특정 기능 때문에 dev 브랜치를 사용중입니다. dev와 master 브랜치의 큰 틀은 다르지 않으니 걱정하지 않으셔도 됩니다. mmpretrain 또한 거의 구조가 같습니다. 추후에 mmpretrain도 올려보도록 하겠습니다. 저만의 편한 방법을 찾아서 쓰고 있는 방법이니, 참고자료 정..
2023.04.16 -
Windows에서 CUDA, cudnn 버전을 체크하는 방법입니다. Ubuntu에서 체크하는 방법은 >> https://beelinekim.tistory.com/98 CUDA version check 1. cmd (명령 프롬포트) 실행 2. nvcc -V 입력 3. 쿠다 버전은 노란색 글자 오른쪽의 V10.1.105입니다. CUDNN version check (CUDNN 8 이전) 1. C: > Program Files > NVIDIA GPU Computing Toolkit > CUDA > v10.0 (자신의 쿠다 버전) > include > cudnn.h 2. 위의 파일 메모장으로 열기 3. 아래 글 찾기 4. MAJOR, MINOR, PATCHLEVEL 순으로 버전입니다. 위의 cudnn 버전은 7...
windows CUDA, CUDNN 버전 확인 방법Windows에서 CUDA, cudnn 버전을 체크하는 방법입니다. Ubuntu에서 체크하는 방법은 >> https://beelinekim.tistory.com/98 CUDA version check 1. cmd (명령 프롬포트) 실행 2. nvcc -V 입력 3. 쿠다 버전은 노란색 글자 오른쪽의 V10.1.105입니다. CUDNN version check (CUDNN 8 이전) 1. C: > Program Files > NVIDIA GPU Computing Toolkit > CUDA > v10.0 (자신의 쿠다 버전) > include > cudnn.h 2. 위의 파일 메모장으로 열기 3. 아래 글 찾기 4. MAJOR, MINOR, PATCHLEVEL 순으로 버전입니다. 위의 cudnn 버전은 7...
2021.02.08