본문 바로가기

Deep Learning

Boostrapped Multi-Modal Model(BM3)
Deep Learning/Recommendation System 2024. 6. 5. Boostrapped Multi-Modal Model(BM3) 본 글에서는 멀티 모달 추천시스템(multi modal recommendation system) 방법론 중 negative sample이 필요없는 Boostrapped Multi-Modal Model(BM3)에 대해 살펴보겠습니다. 또한, 본 글은 논문 'Boostrap Latent Representation for Multi-Modal Recommendation(2023)'을 바탕으로 작성하였음을 명시합니다.▶ 멀티 모달 추천시스템(Multi-Modal Recommendation System)멀티 모달 추천시스템이란, 사용자 로그 정보뿐만 아니라 이미지 혹은 텍스트 정보를 결합하여 사용자(user)와 상품(item)간의 상호작용(interaction)을 고려하여 사용자가 선호할 상위 상품을 제안하는 소..
Boostrap Your Own Latent(BYOL)
Deep Learning/Self Supervised Learning 2024. 6. 2. Boostrap Your Own Latent(BYOL) 본 글은 Self-Supervised Learning(SSL) 방법론 중 contrastive learning 기법 중 하나인 Boostrap Your Own Latent(BYOL)에 대해 설명하겠습니다.  논문 "Boostrap Your Own Latent: A new approach to Self-Supervised Learning"을 참고하여 작성하였습니다.Computer Vision(CV)에서 데이터를 가장 잘 표현하는 representation vector를 학습하는 것은 가장 중요한 태스크 중 하나입니다.▶ Self-Supervised Learning(SSL): Constrastive LearningSelf-supervised Learning은 representation learning의 일종..
Self Supervise Learning(SSL)
Deep Learning/Self Supervised Learning 2024. 5. 14. Self Supervise Learning(SSL) 본 내용은 Self Supervised Learning(SSL) 방법론에 대한 글입니다.1. Self-Supervised Learning(SSL)※ Self-Supervised Learning(SSL)의 참고자료 ▶ Self-Supervised Learning(SSL)이란?Self-Supervised  Learning은 representation learning의 일종으로 unlabeled dataset으로부터 좋은 data representation을 얻는 것을 목표로 합니다.  ▶ 등장배경[1]. Supervised Learning을 위한 data labeling의 비용은 비쌉니다. 특히, high quality의 labeled data를 얻는 것은 어렵습니다. [2]. 만약, 데이터를 잘 표현하는 ..
Deep One Class Classification: Deep SVDD
Deep Learning 2024. 3. 26. Deep One Class Classification: Deep SVDD 본 글은 2018년에 발표된 Deep One Class Classification 논문을 바탕으로 작성하였습니다. One Class Classification(OCC)란, 데이터 불균형이 극심한 상황에서 정상 데이터에 대한 분류 경계면을 생성함으로써 비정상 데이터를 탐지하는 방법론입니다. OCC의 초창기(classical) 방법론은 One Class SVM 혹은 Kernel Density Estimation 등이 존재합니다. 두 방법론 모두 커널 기반 방법론으로 두 가지 큰 단점이 존재합니다. bad computational scalability(→ 비싼 계산 비용) the curse of dimensionality( → 차원의 저주) 차원의 저주란, 데이터 학습을 위해 차원이 증가하면서 학습 데이터 수..
Semantic Segmentation (1): Sliding Window
Deep Learning/Convolution Neural Network 2024. 3. 20. Semantic Segmentation (1): Sliding Window 본 글은 'Standford University CS231n, Spring 2017'의 lecture 11 강의를 참고하여 작성하였으며 semantic segmentation에서 가장 간단하게 적용 및 생각할 수 있는 방법론인 sliding window 방법에 대해 살펴보고자 합니다. ※ 다른 computer vision task(→ Classifcation 500)와의 차이점에 대한 설명은 아래 글을 참고하시기 바랍니다. Computer Vision Task 개요 ▶ 개요 Computer vision에는 크게 4가지의 task가 존재합니다. 1. Semantic Segmentation 이미지 안의 모든 픽셀(pixel)들에 대해서 classification(or categorize)을 합니다. (예시)..
Computer Vision Task 개요
Deep Learning/Convolution Neural Network 2024. 3. 20. Computer Vision Task 개요 ▶ 개요 Computer vision에는 크게 4가지의 task가 존재합니다. 1. Semantic Segmentation 이미지 안의 모든 픽셀(pixel)들에 대해서 classification(or categorize)을 합니다. (예시) [Figure 1]에서의 'senmantic segmentation'은 각 픽셀이 GRASS, CAT, TREE, SKY인지를 결정하는 픽셀 분류 문제입니다. 2. Classification (+ Localization) 하나의 이미지에 대한 label 예측(→ classification)뿐만 아니라 이미지 내에 하나의 object(→ Single object)에 대해 bounding box(bbox)로 위치( → localization)도 나타냅니다. (예시) [..

티스토리툴바