📑Document6 DomainAdaptor : A New Approach to Test-time Adaptation Abstract 훈련 샘플과 테스트 샘플 간의 Domain shift를 처리하기 위해 현재 방법은 주로 훈련 중에 일반화 가능한 기능을 학습하는 데 중점을 두고 테스트 중에 보이지 않는 샘플의 특성을 무시한다. 본 논문에서는 훈련된 CNN 모델을 테스트 중에 보이지 않는 도메인에 적용하는 것을 목표로 하는 보다 어려운 작업을 진행한다. 테스트 데이터의 정보를 최대한 mining하기 위해 AdaMixBN 모듈과 GEM (Generalized Entropy Minimization) 손실로 구성된 TTA을 위한 DomainAdaptor을 제안한다. AdaMixBN은 dynamic mixture coefficient 및 statistic transformation operation을 통해 Normalizatio.. 2024. 1. 5. [PR-1] R-CNN : Rich feature hierarchies for accurate object detection and semantic segmentation Object Detection REFERENCE R-CNN은 Object Detection 분야에 딥러닝을 최초로 적용시킨 모델이자 이전의 Object Detection 모델들과 비교해 성능을 상당히 향상시킨 모델이다. Object Detection이란 Single Object가 아닌 Multiple Objects에 대해 어떤 물체인지 Class로 분류하는 Classification, 그 물체가 어디 있는지 Bounding Box를 통해 위치 정보를 나타내는 Localization을 모두 포함한다. Object Detection = Multi-Labeled Classification + Bounding Box Regression(Localization) Object Detection은 AlexNet(20.. 2023. 2. 23. 이전 1 2 다음
