AutoML 논문 (5) 썸네일형 리스트형 Multinominal Distribution Leraning For Effective Neural Architecture Search 논문 리뷰 논문 리뷰를 글로만 남기기에는 너무 길고 시간을 오래 투자할 것 같아서 PPT로 만들었습니다. 앞으로도 논문 리뷰는 이렇게 할 생각이어요. PPT까지 만드려니 하루에 한 개씩 읽는다 쳐도 이틀 정도 걸리는 듯합니다. 도움이 됬으면 좋겠고, 혹시 모르거나 제가 잘못된 부분이 있다면 댓글로 남겨주시면 감사드리겠습니다. 이 논문의 기여도는 좀 큰 데, 난이도는 중간 정도인 듯 보입니다. 선행학습은 AutoML ( NAS,NASNET, ENAS) , 다항 분포 정도 되는 듯합니다. DetNAS: Neural Architecture Search on Object Detection 논문 리뷰 분류와 분할 논문은 꽤 읽었었던 걸로 아는 데, 탐지는 또 처음이다. 탐지 관련 논문은 한번도 안읽어서 나중에 나오는 FPN과 RetinaNet은 솔직히 잘은 모른다. 대충 블로그를 통해 공부를 하긴 했지만 사실 내가 정확히 이해한다고는 못하겠다. 그래서 나중에 나오는 내용에서는 조금 이해가 안가는 것도 있지만 중요한 것은 방법론이고, 그 방법론은 잘 이해를 했다. ** 읽고 여러가지를 검색해 보다가, 이게 옛날 버전? 이라는 것을 알게 되었다. 실제로 나는 3월에 나온 논문을 읽은 건데 6월에 나온 DetNAS : Backbone Search for Object Detection 이라고 나왔으니 읽을 사람들은 그것을 읽는 것이 더 나을 듯 하다. 아무래도 좀 더 가공했을 것 같다. 그림이 없는 것은 지.. Neural Architecture Search for Deep Face Recognition 논문 리뷰 요즘 하루에 1논문을 실천하고 있다. 기본기도 다지고 있지만, 역시 석사는 논문인 것 같다. 기본기는 언제나 중요하지만, 충분히 못 다졌더라도 논문은 항상 읽는 게 맞는 것 같다. 기본기와 논문은 항상 다져놔야할 것 같다. 그리고 물론 누구나 잘은 알아보지 못하겠지만, 그래도 정리를 해 놓는 것이, 나중에도 보기 편하기도 하고 정말 좋은 것 같다. 원래는 분할 또는 의료영상 쪽만으로 AutoML 논문을 읽으려고 했지만, 아이디어를 얻는 단계에서는 어느 ? 까진 아니더라도 그 분야의 다양한 논문을 읽는 것은 많이 도움이 되는 것 같다. 오늘은 얼굴인식에 사용된 AutoML 논문을 읽었다. 내가 얼굴인식에 대해서 해본 적이 없어서 잘은 몰랐었는 데, 새로운 사실도 알게되면서 새로운 아이디어 또한 얻을 수 있.. Efficient Neural Architecture Search on Low-Dimensional Data for OCT Image Segmentation 논문 리뷰 이 논문은 거의 ENAS의 아이디어를 따와서 활용했다고 할 수 있겠다. 하지만 중요한 한 가지의 아이디어를 습득할 수 있었다. [ 요약 ] 딥러닝의 구조를 짜는 어려움으로 자동적으로 딥러닝의 구조를 만들어주는 NAS. 의료분야에서는 데이터 종류(Modality)가 엄청 많은 데, 각 데이터마다 그에 맞는 네트워크를 설계 해야 하는 특성상, AutoML이 정말 필요함. 근데 NAS는 시간이 오래 걸리고, 의료영상들은 고해상도와 고차원 데이터가 많음. 3D나 4D 등등.. 그래서 일반 네트워크를 돌리는 데도 시간이 엄청 오래걸리는 데, NAS를 적용하면 시간이 엄청나게 오래 걸릴 것임. 그렇기 때문에, 우리는 낮은 차원에의 데이터에서 네트워크를 찾고, 고차원으로 이식을 하려고 함. 1D에서 찾은 네트워크가 .. V-NAS: Neural Architecture Search for Volumetric Medical Image Segmentation 논문 리뷰 나만의 정리 노트이기 때문에 시간들여서 잘 작성하진 않겠다. 요약 2D,3D FCN은 의료영상 분야의 방법론적으로 자리잡힘 2D는 Volumetric 정보를 고려 안하고, 3D는 Computation Cost가 너무 큼 우리는 자동적으로 volumetric한 이미지 분할을 해줄 수 있게 하는 네트워크 구조를 찾게 하는 방법을 소개함 총 3개의 데이터셋을 사용. NIH 췌장 MSD 폐 종양 MSD 췌장 종양 소개 CT와 MRI는 의료에 많은 도움을 주었고, 딥러닝이 발전하면서 의료영상에 딥러닝을 활용한 장기분할이 발전됨. 우리는 Volumetric한 의료영상 분할에 집중. CT 영상에서 췌장 종양과 폐 종양을 분할하기 어려운 이유는 4가지가 있음. 1. 전체 볼륨에 비해 크기가 너무 작음 2. 모양, 위치.. 이전 1 다음
