TEAM EDA

이전글 FCN에 이어서 코드를 한번 살펴보도록 하겠습니다. 기본적인 FCN32s의 코드는 다음과 같습니다. import torch import torch.nn as nn class FCN32s(nn.Module): def __init__(self, num_classes=21): super(FCN32s, self).__init__() self.relu = nn.ReLU(inplace=True) # conv1 self.conv1_1 = nn.Conv2d(3, 64, 3, padding=100) self.relu1_1 = nn.ReLU(inplace=True) self.conv1_2 = nn.Conv2d(64, 64, 3, padding=1) self.relu1_2 = nn.ReLU(inplace=True) ..

Fully Convolutional Networks (FCN) Fully Convolutional Networks (FCN)은 2015년도 CVPR에 소개된 논문으로 End-To-End의 세그멘테이션의 포문을 연 논문입니다. 인용수가 약 20,000회 이상으로 나중 세그멘테이션 논문들에 많은 영향을 끼쳤습니다. paper : https://arxiv.org/abs/1411.4038 code : https://github.com/shelhamer/fcn.berkeleyvision.org Abstract AlexNet을 시작으로 하는 CNN 모델들의 발전을 Image Segmentation 영역에 접목 (Pretrained된 딥러닝 모델을 이미지 피쳐를 추출하는 백본 네트워크로 활용) 합니다. VGG 네트워..

Multi-Scale Context Aggregation by Dilated Convolutions (DilatedNet) Review papers : https://arxiv.org/pdf/1511.07122.pdf 0. Abstract Dense prediction 문제는 일반적으로 Image Classficiation과는 다릅니다. Dense prediction 문제에 적합한 새로운 Convolutional Network Module을 제안합니다. 제안된 모듈인 Dilated Convolution은 해상도를 잃지 않고 다양한 크기의 contextual information을 통합합니다. 특히 Receptive field를 지수적으로 증가시키면서도 해상도를 잃지 않습니다. 위의 방법을 통해서 Sema..