논문29 big_transfer(BIT) pytorch 구현 from functools import partial from collections import OrderedDict %config InlineBackend.figure_format = 'retina' import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1 import ImageGrid import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable import torchvision as tv device = torch.device("cuda:0" if torch.cuda.is_available() .. 2023. 8. 2. Robust and Efficient Medical Imaging with Self-Supervision 논문정리 현재의 의료연구는 전문가적으로 도달했습니다. 그러나 이러한 연구는 차선이거나 정규분포에서 벗어난 부분을 억지로 가져왔다고 합니다. 그래서 데이터의 효율적인 일반화의 문제가 생긴다고합니다. 이것은 의료AI 개발에서 항상 어려움으로 대두되고있는 문제라고합니다. 대부분의 연구는 항상 데이터셋에 치중된 지표만 보여주는데 사실 현실에서는 그러기가 쉽지않습니다. 현실데이터셋을 test해보면 성능이 좋지않게 나오는데 이논문은 이 방법으로 11.5%까지 성능을 증가시켰다고합니다. 이논문 제목인 REMEDIS라는 방법을 새로 제안을한다고합니다. 논문은 ID(in-distribution)와 OOD(out-of-distribution)을 제안합니다. ID환경에서 AI모델의 평가 데이터는 훈련데이터와 비슷하다고 합니다. 반면.. 2023. 7. 26. A Point Set Generation Network for3D Object Reconstruction from a Single Image 논문 요약 기존의 연구는 volumemetric이나 이미지들에 대해서 규칙적인 표현에 의존을 하고있습니다. 그러나 이 논문은 자연상태에서는 3D shape이 규칙적이지 않고 많은 문제를 겪는다고 이야기를 하고 있습니다. (자연 상태에서의 물체의 2D 메시와 point clouds는 규칙적인 구조를 가지고 있지않습니다.) 그리고 이 논문은 단일 input에서 3D 재구성 문제를 해결합니다. 하나의 input 사진으로 3d reconstructed를 성공했음을 보여줍니다. 거기다가 사진도 현재 도심속에서 흔히 볼 수 있는 상태죠 기존의 연구에서는 3d데이터의 볼륨이나 이미지컬렉션에서 깊은 신경망을 사용해야하는데 이것은 sample resolution(셈플의 해상도) 와 net efficiency(효율성) 사이에서 tr.. 2023. 7. 20. 논문 subtap 요약 Abstract 지도학습은 learning할때 매우 효과적인것을 보여준다. 그러나 대부분 공간이나 temporal을 가지고있는 이미지나 오디오 텍스트같은 데이터augmentation이 가능한 데이터들이 대부분 좋은데 tabular(정형데이터)는 이러한 이점을 가지고있지않다.(효과적인 데이터 augmentaiton이 가능하지않아서) 이 논문에서는 Subsetting features of Tabular data를 제안한다. SubTap은 tabluar 데이터로부터 배우는 task를 muti-view representation learning문제로 넣는다. input features를 multiple subset(부분집합)으로 나눈다. 이 저자들은 autoencoder보다 featuer의 subset으로부터의.. 2023. 4. 9. 이전 1 ··· 3 4 5 6 7 8 다음
