Jooo's life story

Link : https://arxiv.org/pdf/1706.01427.pdf A simple neural network module for relational reasoning Abstract 관계 추론(Relational reasoning)은 일반적으로 지능적인 행동의 중심 구성 요소이지만 신경망이 학습하는 것이 어렵다는 것이 입증되었습니다.본 논문에서는 관계형 추론에 근본적인 문제를 해결하기 위해 간단한 플러그 앤 플레이 모듈로 RN (Relation Networks)을 사용하는 방법을 설명합니다.우리는 RN-augmented 네트워크를 다음 세 가지 작업으로 테스트했습니다. CLEVR이라는 까다로운 데이터 세트를 사용하여 시각적 인 질문 응답을 제공합니다. CLEVR은 최첨단의 초인적 인 성능을 ..

1. Support Point 추출2. Support Point 매칭3. Delaunay Triangulation 4. Disparity Planes 계산5. Grid 생성6. Disparity 계산7. Consistency 검사8. 작은 영역 제거9. 보간10. 적응적 평균11. 메디안 필터

논문 : Probabilistic lane detection and lane tracking for autonomous vehicles using a cascade particle filter Line detection 및 기타 알고리즘 코드, 논문 : (Faster) Line segment detection OpenCV C++ source code 논문 : Line segment detection using weighted mean shift procedures on a 2D slice sampling strategy Line Segment Weighted Mean Shift 1. 요약 。Sobel 연산을 사용하여 Gradient 영상을 사용 ( Gx, Gy, G) 。G 영상은 Weight와 후보 영역..

거울아, 거울아, 말해라.. 에러가 작니? ▷ KEY NOTE 1. 같은 영상을 미러한 후 검출을 수행하면 결과가 다름 -> Mirror error 와 Alignment Error는 높은 상관 관계를 갖음 -> 즉 Mirror error가 높은 경우 정렬이 실패헀다고 볼 수 있음 2. 이러한 특성을 이용하여 정상적으로 검출이 된 것인지 판단이 가능 -> 정상적으로 검출되지 않은 경우, 다른 초기 위치로부터 다시 검출 수행 ■ Abstract 객체 부분 지역화 방법(Object Part Localization Method)는 mirror 영상에서 좌우 대칭인 결과를 얻을 수 있을까? - 놀랍게도, mirror 영상의 학습 집합을 추가하더라도 그렇지 않다. 이 논문에서는 이러한 문제에 대해 살펴보겠다. 우리..

One Millisecond Face Alignment with an Ensemble of Regression Trees:[ c++ code|paper|video ] - Shrinkage factor : 학습률을 주어 gradient boosting -> 이 값을 이용하여 점차적으로 fitting하는 방법은 좋은 방법 같음- Feature Selection : 두 위치를 선택 할 때 확률 함수를 정의하는 방법을 사용하여 좀 더 좋은 특징을 선택헀다. 중요한 아이디어 같음- Handling missing labels : 랜드마크의 위치는 추정되지만 실제로 학습 영상에서 폐색된 경우가 있을 수 있다. 이러한 것을 학습 할때 W 메트릭스로 학습을 좀 더 효과적으로 할 수 있다. ■ Training - dlib..

Efficient Boosted Exemplar-based Face Detection 이 논문은 Exemplars를 이용한 boosting 기법에 대해 설명한다. 기존 Exemplar 방법의 경우 매우 큰 메모리와 오랜 시간이 걸린다는 단점이 있다고 한다.이를 해결하기 위해, 다양한 Exemplar 이미지들 중, 부스팅 기법으로 효과적인 예제 영상을 선택하고, 이들의 조합을 통해 Confidence map을 생성하여 얼굴을 검출하는 방법에 대해 설명한다.3.1 Single Exemplar as Weak Detector에 대해서 설명하는데, 해당 방법을 이해? 구현을 위해서 아래 9,18,19 논문을 이해할 듯 하다. 왜냐하면 수많은 예제 영상에서 빠르게 유사한 영상을 찾아야 하기 때문이다.Once the..

Face Detection, Pose Estimation and Landmark Localization in the Wild [Paper] [C++ Code] [Project page]

Supervised Descent Method and its Applications to Face Alignment[Paper] [C++ Code] [Homepage]

Face Alignment at 3000 FPS via Regressing Local Binary Features [Paper] [C++ Code] [Matlab] ▷ KEY NOTE 1. 로컬 영역 기반 특징 추출을 이용한 랜덤 포레스트 학습 2. 각 랜드마크마다 독립적으로 랜덤 포레스트 학습 3. 독립적인 학습으로 인한 Shape Constraint를 잃어버릴 수 있는 단점을 전역 선형 학습을 통해 보상 -> Dual coordinate descent method를 사용 ■ Abstract이 논문에서는 매우 효율적이고, 매우 정확한 얼굴 정렬을 위한 regression 방법에 대해 설명한다. 우리의 방법은 크게 두개의 새로운 요소로 구성된다. 1) Local Binary Feature2) 특징 학습을..

Tree와 Fern의 차이[원본 PPT] [C++ Code] [Paper] 그림과 같이, Tree는 노드에 해당하는 특징들끼리 의존적이라는 특성이 있지만, Fern의 경우, depth가 같으면 같은 특징이므로, 특징들 간 독립이다. Random Ferns의 학습과 인식 과정 아래 그림은 학습과 인식 과정을 아주 쉽게 표현한 그림이다. 이것만 봐도 대략적인 알고리즘은 이해가 될 것이다.간혹, 그래프를 클래스 별로 각각 표현하는 그림도 있지만, 해당 그림은 여러개의 클래스를 하나의 그래프로 표현해서 좀 더 이해가 쉬웠다.