공부 일기장

취업 준비를 하다보면 "면접왕 이형" 의 유튜브 영상을 한번쯤은 봤을거 같다. 영상을 보다가 체인지업 이라는 취준 프로그램이라는 것이 있어서 한번 참여해봤다. 자소서를 구조화해서 쓰는 방법을 통해 서류 지원에 속도가 올라가고 지원 개수도 많아지는 것을 확인할 수 있었다. 이 루틴을 지속한다면 언젠가는 취업에 성공하지 않을까.. 체인지업을 통해 얻은것 1. 매일 7시 기상.. - 기상 인증을 스터디를 통해 해야하기 때문에 강제 기상 - 루틴이 생김 2. 자소서 주요 문항별 완성 - 주요문항에 대해서 복붙할 수 있는 수준의 자소서를 완성할 수 있기 때문에 지원하는 시간이 매우 단축 3. 경제 신문 스크랩 - 매일 하나씩 경제 신문 스크랩을 하니까 기업과 관련된 이슈들에 대해서 잘 알게 됨 체인지업을 통해 알..

object detecion의 개념, 적용분야, history, evaluation, libarary에 관해 간략히 정리한 글입니다. Object Detection 객체의 영역과 클래스를 예측하는 Task 자율주행과 OCR, 의료와 같은 분야에서 많이 사용된다. History object detecion의 대략적인 history는 아래 그림과 같다. Evaluation 1. performance mAP (mean average precision) 각 클래스당 AP의 평균 confusion matrix Precision Recall PR Curve confidence 기준으로 내림차순하고 누적 TP,FP를 기준으로 precision, recall 를 계산한 표로 작성한 그래프 해당 그래프는 클래스 하나의 ..

Background Are Convolutional Neural Networks or Transformers more like human vision? 세로선이 평균선인데 ViT계열이 CNN보다 좋은 성능을 보임 ViT 계열이 shape bias가 높고 texture bias가 낮음 Abstract ViT가 낮은 layer에서 resnet보다 더 global한 정보를 포함 하지만 낮은 레이어에서 local정보를 포함하는 것이 중요하기에 대규모 사전학습 훈련 데이터가 이를 가능하게 함 ViT가 ResNet보다 Skip connetction의 효과가 훨씬 크고, 성능과 표현력에 많은 영향을 미침 공간 정보가 얼마나 보존되는지 확인 데이터셋의 크기에 따른 전이학습의 효과를 연구하였고, Linear probes..

ILSVRC 에서 해마다 우수한 성능을 보였던 모델들의 핵심만 리뷰 모델이 발전해가면서 네트워크의 depth는 점점 깊어지면서 parameters는 점점 줄어든다. AlexNet 11x11 Input 파라미터 숫자 관점에서는 좋지 않은 선택 해당 필터는 receptive field는 넓어질 수 있지만 상대적으로 더 많은 파라미터가 필요 8-layers 5 conv + 3 dense Key ideas ReLU(Rectified Linear Unit) activation overcom the vanishing gradient problem good generalization GPI implementations(2 GPUs) Data augmentation Dropout VGGNet 3 x 3 convolut..