Tagged

논문리뷰

A collection of 6 posts

Transformer는 이렇게 말했다, "Attention is all you need."
transformer

Transformer는 이렇게 말했다, "Attention is all you need."

Transformer? 'Transformer'라는 말을 들었을 때 무엇이 연상되는가? 할리우드의 유명한 변신로봇 영화? 인공지능 번역 알고리즘? 구글에 따르면 여전히 전세계적으로 전자의 영화를 떠올리지만, 적어도 대한민국(과 일본)에서는 후자가 압도하고 있는 것으로 보인다. 그림1. 'Transformer movie'와 'Transformer attention'의 구글 트렌드 비교. 아직까지 전세계적으로는 영화가 압도적이지만 대한민국과 일본에서는 Transformer 알고리즘의 핵심 개념인 attention을

[Paper Review] A disentangled generative model for disease decomposition in chest X-rays via normal image synthesis_2편
논문리뷰

[Paper Review] A disentangled generative model for disease decomposition in chest X-rays via normal image synthesis_2편

Anomaly Detection에 어느정도 관련된 논문이며 DGM으로 abnormal CXR이 입력으로 들어오면 정상 이미지와 비정상 영역을 분리해서 질병,질환이 있는 부분을 검출하고 시각화 할 수 있는 방법을 보여주는 논문입니다. 1편에 이어지는 내용입니다. 따라서 1편을 먼저 읽고 오시는것을 추천드립니다. 1편 보러가기 Experiments Dataset 본 논문에서 사용한 데이터는 RSNA Kaggle pneumonia detection challenge에서 사용된

[Paper Review] A disentangled generative model for disease decomposition in chest X-rays via normal image synthesis_1편
논문리뷰

[Paper Review] A disentangled generative model for disease decomposition in chest X-rays via normal image synthesis_1편

Anomaly Detection에 어느정도 관련된 논문이며 DGM으로 abnormal CXR이 입력으로 들어오면 정상 이미지와 비정상 영역을 분리해서 질병,질환이 있는 부분을 검출하고 시각화 할 수 있는 방법을 보여주는 논문입니다. 2020년도 Medical Image Analysis에 publish된 논문이며 Impact Factor는 11.280입니다. Paper 원문: A disentangled generative model for disease decomposition in chest X-rays via

[GAN 시리즈][StyleGAN] A Style-Based Generator Architecture for Generative Adversarial Networks -1편
논문리뷰

[GAN 시리즈][StyleGAN] A Style-Based Generator Architecture for Generative Adversarial Networks -1편

StyleGAN은 PGGAN 구조에서 Style transfer 개념을 적용하여 generator architetcture를 재구성 한 논문입니다. 그로 인하여 PGGAN에서 불가능 했던 style을 scale-specific control이 가능하게 되었습니다. Paper 원문: StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks StyleGAN official code(Tensorflow): https://github.com/NVlabs/stylegan 1. Abstract [제안한 네트워크] Style transfer 문헌에서 차용한

[F-AnoGAN] Fast Unsupervised Anomaly Detection with GAN
논문리뷰

[F-AnoGAN] Fast Unsupervised Anomaly Detection with GAN

GAN을 사용한 최초 Anomaly Detection 방법인 AnoGAN의 후속 모델로 Encoder 모델을 사용하여 더 빠르게 \( G(x)\)와 \( x\)를 matching 시켜 Anomaly Detection 하는 방법입니다. Paper 원문: f-AnoGAN: Fast unsupervised anomaly detection with generative adversarial networks f-AnoGAN tutorial code(Pytorch): https://github.com/mulkong/f-AnoGAN_with_Pytorch 1. Abstract [문제점]

[AnoGAN]Unsupervised Anomaly Detection with GAN
GAN

[AnoGAN]Unsupervised Anomaly Detection with GAN

기존 Anomaly Detection은 Supervised Learning으로 접근했지만 AnoGAN은 GAN을 이용한 Unsupervised Learning 방법으로 접근하여 Anomaly Detection하는 논문입니다. Paper 원문: [Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery] IntroductionGAN이란?GAN 학습 과정은 Discriminator가 Real/Fake를 잘 맞추도록 학습한 후 Generator가 생성한 Fake image가 Discriminator를 속여 Real이라고 말하게끔 하도록 하는