분류 전체보기98 Tips)논문 쉽게 작성하는 방법 (논문 구조 및 요긴하게 쓰는 팁) 대부분의 논문은 비슷한 Structure에 따라 작성이 되므로, 그 구조를 미리 이해하고 쓰면 다소 어려운 내용의 논문도 보다 쉽게 작성할 수 있다. 다소 주관적인 논문작성법이지만 이해하면 쉽다. 논문의 구성 1) TITLE (제목) : 논문의 기여/설명 요약 -팁 : 논문의 키워드를 나열하고 서로 연결해 본다. 2) ABSTRACT (요약) : 본 연구의 강점!, 다른 연구와 다른점. 연구분야에 새로운 사실과 접근법을 소개한다. -팁 : 배경(BACKGROUND), 방법(METHOD), 결과(RESULT), 결론(CONCLUSION)을 한 줄씩 적고 이어붙인다. 3) INTRODUCTION (소개) : 메인 FLOW 배경(과거 실태-현재 실태)> 분야에 가장 많이 쓰인 기법/이론> 앞 기법/이론의 한계.. 2020. 2. 19. RGB-D Human Posture Analysis for Ergonomics Studies using Deep Convolutional Neural Network 논문 요약 " " " TL;DR : Kinect 센서로부터 입력받은 정보를 토대로 데이터를 확보하여 딥러닝 모델을 학습시켰으며, 3차원랜더링을 통해 각도를 예측. 리얼타임 Human Factor 자세분석이 가능. 단, Data Equisition에 관련하여 자세한 내용이 없으며, 공공데이터셋을 이용하지 않은 관계로 데이터가 어떻게 형성되었고 구체적으로 학습에 이용했는지 파악할 수 없다. " " " Introduction 논문에서는 키넥트 센서를 이용하여 도출된 입력 이미지의 RGB-Depth 정보를 전처리과정을 통해 추려내고, 심층신경망을 거쳐 관절각도를 예측한다. 키넥트는 비교적 가격이 저렴하고 별도의 보정과정이 필요하지 않으며, 마커와 같은 센서를 부착하지 않고도 자세데이터를 수집할 수 있다는 장점이 있다. 그.. 2020. 2. 18. Tips)케라스(Keras) 학습 완료된 모델 저장 후 재사용을 위한 기본 코드 (그대로 복붙해서 사용가능) 케라스를 통해 딥러닝 모델을 학습시켜 저장하는데까지 성공하였다. 그 다음 저장된 모델을 다시 불러와서 학습했던 accuracy나 loss값을 확인해야 하는데, 우여곡절 끝에 다음과 같은 코드를 작성했고, 실제로 정상적으로 모델값을 불러와 학습이 끝난 직후의 값과 동일한 결과를 재차 확인할 수 있었다. 1. 모델을 저장하는 코드(model_save) 2. 모델을 불러오는 코드(model_load) 3. 불러온 모델을 평가하는 코드(model.compile, model.evaluate) 순서로 글을 정리하고 나중에 참고하기 편하게 글을 적어 보았다. 모델 예시(10개의 클래스 분류) 1 2 3 4 5 6 7 8 9 10 11 # model model = Sequential() model.add(Conv1D(.. 2020. 2. 17. Tips)사이트에 연결할 수 없음 막힘없이 뚫는 방법!! 대학원 연구실에서 개인 컴퓨터를 사용함에도 불구하고 인터넷망을 사용한다는 이유로 홈페이지 자체가 안뜨는 경우가 있다. 그래서 해결책을 검색해본 결과 다음과 같은 방법이 있어 공유하고자 한다. 아래 링크 중 아무거나 누르고 들어가서 url 이라고 적혀있는 칸에 내가 접속하고자 하는 주소를 입력하면 된다. 자세한 그림은 아래 참고. https://www.filterbypass.me/ FilterBypass - Your Anonymous Proxy Bypass internet filters and surf anonymously with our SSL secured web proxy service. www.filterbypass.me http://proxy-bypass.com Proxy Bypass Proxy-.. 2020. 2. 12. U-Net: Convolutional Networks for Biomedical Image Segmentation 논문 리뷰 " " " TL;DR : UNet은 contracting path에서는 context를 캡쳐하고, 대칭적인 구조를 이루는 expanding path에서는 정교한 localization을 가능하게 하는 구조이며, Data Augmentation 기법으로 Elastic deformation을 활용하여 성능 UP!. " " " U-Net 논문의 핵심내용 Convolution Encoder에 해당하는 Contracting Path(내려가는부분) + Convolution Decoder(올라가는부분)에 해당하는 Expanding Path의 구조로 구성. (해당 구조는 Fully Convolution + Deconvolution 구조의 조합) Expanding Path(올라가는부분)에서 Upsampling 할 때, .. 2019. 12. 5. 이전 1 ··· 15 16 17 18 19 20 다음
