KAU-Deeperent

작성자:김정민 Main question symbolic math 간단한 pde 복잡한 pde learning을 위한 in/out 추출 및 matching 이러한 도구를 사용해서 어떻게 "공학적으로 사용할 수 있을지" Introduction 한학기 동안 우리는 수치해석적 방법으로 근사해를 구해서 간단한 pde부터 복잡한 pde까지 풀어낼 수 있음을 알게 되었다. MATLAB, COMSOL 등 다양한 툴을 활용해서 풀어낼 수 있었다. 다양한 공학적 문제들이 pde로서 모델링 할수 있기 때문에 이러한 ‘도구’ 들은 활용가치가 높다는 것을 알 수 있었다. 그렇다면 수치해석과 미래의 문제 해결 방식이 어떻게 연관될 것인가? 그리고 전통적인 개념의 일자리가 사라져가는 이러한 상황에서 우리는 어떻게 해야 가치를 높일..

작성자:김정민 monthly 세미나이긴 한데 방학중에 이런 수학적 내용을 공부해보고 싶어서 준비해보았습니다. 강화학습에 사용되는 마르코프 의사결정? 이라는 내용이 있었는데 전에 논문리뷰할 때도 마코프 체인 이야기가 나와서 찾아본적이 있습니다. 그 때 이해가 가지 않아서 조사해보았는데 어렴풋이 이해가 가는것 같습니다. 우선 대수의 법칙을 아실겁니다. 동전을 무한번 던지면 반반 정도의 확률로 결국 수렴하게 되는 그 이론 중심 극한 정리(中心 極限 定理, 영어: central limit theorem, 약자 CLT)는 동일한 확률분포를 가진 독립 확률 변수 n개의 평균의 분포는 n이 적당히 크다면 정규분포에 가까워진다는 정리이다. 이것은 마치 동전 던지기와 비슷하다고 할 수 있는데 콩이 떨어질 때 동전 던지기..

작성자 : 윤나라 트래킹은 단순한 object detection을 넘어 객체들 각각을 구별할 수 있도록 identification 하는 것입니다. objectory 추적 등 다양한 분야에 쓰일 수 있습니다. 이 트래킹 알고리즘 중 가장 많이 쓰이는 것이 SORT 알고리즘인데, 여기에 deep cosine metric을 적용하여 좀 더 성능을 향상시킨 deep sort에 관해 알아보고자 합니다. ABSTRACT SORT는 단순하고, 효과적인 알고리즘에 집중한 multiple object tracking에 대한 실용주의적 접근이다. 이 논문에서는 SORT의 성능을 향상시키기 위해 appearance information을 통합시킨다. 이 확장 덕분에, 우리는 더 긴 기간 occlusion 된 물체를 추적할 ..

감정인식팀이 지금까지 진행한 프로젝트에 대해 정리해봤습니다. 올해 은익체전이 취소되서 원래 목표했던 행사는 진행하지 못해서 아쉽네요~.~ 감정인식 프로젝트를 계획. 단순히 감정을 인식하는 것보다 이를 게임이나 미션으로 연관시키면 흥미를 더 끌 수 있을 것으로 보고 게임으로 구현하기로 함 ‘웃음참기'와 같이 여러가지 영상 시청 후 표정 변화가 없을 수록 높은 점수를 받는 미션을 진행하기로 결정했고 이 영상에서와 같이 실시간으로 인물의 표정을 통해 감정을 인식 MobileNet은 컴퓨터 성능이 제한되거나 배터리 퍼포먼스가 중요한 곳에서 사용될 목적으로 설계된 CNN 구조 기존의 Convolution Layer는 너무 무겁다! Small DNN을 만들자 MobileNetv2는 Depth-wise Separab..

2020년 봄학기 프로젝트 3월 4일~5월 20일 3.5기 출석관리팀 원래 목표 https://kau-deeperent.tistory.com/46?category=845009 딥러닝을 이용한 출석관리 계획 스터디 진행 2020년 3월 4일 DMC 탐탐 출석관리팀:김정민,박승재,최웅준,최영환,한준희 프로젝트 구체적인 주제 휴대폰 카메라를 통해서 인식한 사진을 기존에 저장되어 있던 DB와 비교하여 출석을 kau-deeperent.tistory.com 프로젝트의 세부 일정과 각 주의 목표 첫 주차 목표: 특징 추출을 통해서 얼굴의 각 부분을 인식 2주 차 목표: 학습한 모델을 가지고 해당 인물을 인식 3주 차 목표: DB 구성 4주 차 목표: 웹 서버 구성 5주 차 목표: 웹을 통한 카메라 제어 6주 차 목표..

출석관리팀 회의날짜:05/15 장소:온라인 1.Introduction 2.Related Works 3.Approach and Model architecture 1.Introduction ->1.간의 결과는 불안정하다. ->2.어떠한 방법으로 이미지를 생성햇는지 알수없어서 filter visualize를 할 것이다. 2.Related works ->1.Representational Learning from unlabeld data ->2.Generating natural images ->3.visualizing 3.Approach and model architecture ->1.strided convolution ->2.fully connected hidden layer 삭제 ->3.batch normal..

작성자:김정민 FACENET을 사용할지 샴 네트워크를 사용할지 고민을 하다가 적은 데이터로도 학습이 가능하고 비교적 간단한 샴 네트워크를 사용하기로 했습니다. 동아리 회원들의 사진으로 테스트 데이터셋을 구성하여 성능을 테스트해본 결과 유의미한 결과를 얻어 낼 수 있었습니다. 회원들의 사진을 받고 코드를 좀 더 수정해서 모델을 완성시킬 수 있을것 같습니다. 하지만 출석관리팀에서 배포까지 할 수 있을지 의문 입니다. 배포까지 하기에는 코딩이나 기초적인 실력이 부족한것 같기도 해서 배포는 고려 중 입니다. 개인적인 생각으로는 배포는 포기하고 코딩이나 선형대수학 통계론등을 학습하는 팀을 만들어서 1학기를 진행해보고 싶은 마음이 있습니다. 세부코드는 이전 글 https://metar.tistory.com/30?c..

----출석관리팀 1. Introduction 2. Related Work 3. Appproach and model architecture ----감정인식팀 4.Details of adversarial training 논문의 저자들은 DCGAN을 총 세 가지 데이터 셋(LSUN, Face, Imagenet-1K)을 이용해 학습을 진행했다. LSUN(Large-scale Scene Understanding) 데이터 셋은 침실 사진들을 모은 데이터 셋, Face는 웹에서 랜덤하게 현대에 태어난 사람들의 얼굴을 모은 데이터 셋, 그리고 IMAGENET-1K는 이미지 분류뿐만 아니라 object detection, pose estimation, segmentation 등 다양한 컴퓨터 비전 문제에 활용되는 CN..

Background 마르코프 연쇄 확률론에서, 마르코프 연쇄(Марков連鎖, 영어: Markov chain)는 이산 시간 확률 과정이다. 마르코프 연쇄는 시간에 따른 계의 상태의 변화를 나타낸다. 매 시간마다 계는 상태를 바꾸거나 같은 상태를 유지한다. 상태의 변화를 전이라 한다. 마르코프 성질은 과거와 현재 상태가 주어졌을 때의 미래 상태의 조건부 확률 분포가 과거 상태와는 독립적으로 현재 상태에 의해서만 결정된다는 것을 뜻한다 제한적 볼츠만 머신  에너지 개념을 이용한 확률 표현  통계 물리학 • 동일한 상태에 있는 물질이라도 다양한 미시적 상태(micro state)에 있 을 수 있음 • 높은 에너지의 미시적 상태의 있을 확률은 낮음 • 낮은 에너지의 미시적 상태에 있을 확률은 높음  확률 ..

-발표자 조민성 우리는 몰아치는 딥러닝의 시대에 살고있다. 이 현대적 학문은 지금까지 인간이 개척해온 어떤 분야보다도 빠른 속도로 발전하고 있으며, 현대 사회는 그것을 바탕으로 다양한 곳에 AI라는 꿈의 기술을 적용하고있다. 그러나 과연 앞으로도 딥러닝의 성장이 순조로울까? 이번 글에서는 머신러닝의 부흥기와 침체기를 훑어봄으로써, 딥러닝기술의 전망을 살펴보고자 한다. Brief History 1세대 1946 : ENIAC •프로그래밍 가능한 최초의 범용적 컴퓨터 1950 : Turing-Test 설계 •구체적인 방법은 후대에 설계됨 1950 : 체스게임을 배우는 프로그램 개발 - Arthur Samuel •70년대까지 인간을 상대로 승리 1956 : 인공지능(Artificial Intelligence)용..