Review 썸네일형 리스트형 "Weather AI solution predict future climate crisis" “Weather AI solution predict future climate crisis” The paradox of statistics caused by climate data imbalances finds its solution in satellite imagery and SI Analytics AI solution. “There is little lie, big lie, and statistics. So, statistic doesn’t help when it comes to non-stationary data series. And in climatology it has always been a problem of attributing extreme events, is it because of t.. 더보기 “기상·기후 AI 솔루션으로 극복하는 기후 위기” “기상·기후 AI 솔루션으로 극복하는 기후 위기” 기후 데이터 불균형으로 초래되는 통계의 역설. 위성영상과 에스아이에이의 AI 솔루션이 그 해답을 제시한다. “There is little lie, big lie, and statistics. So, statistic doesn’t help when it comes to non-stationary data series. And in climatology it has always been a problem of attributing extreme events, is it because of the climate change[...]?” 12월 2일 COP 28에서 개최된 ‘AI/ML solutions for Climate Change Innovation Fa.. 더보기 Brief Review on Anchor-Free Object Detection (2019-2020) Anchor-based Object Detection의 설계 Faster R-CNN, RetinaNet, YOLOv2, SSD 등 다양한 Object Detection 아키텍처들은 정확도를 높이기 위해 사전에 정의된 Anchor라는 개념을 도입하고 있습니다. 아무런 전제 조건이 없는 상태에서 물체의 위치와 크기를 학습하기보다는, 대부분의 물체들은 어느 정도 일반적인 형태를 가지고 있으므로 그러한 출발점(Anchor)을 미리 정의해놓고 그로부터 Regression을 하면 보다 빠르게 학습하며 정확히 물체를 탐지할 수 있다는 것입니다. 예를 들어 봅시다. 만약 Feature Map이 원래 이미지보다 1/4로 줄어들었다면 Feature Map의 각 픽셀마다 $4\times 4$의 크기를 갖는 가장 단순한 형태.. 더보기 시간에 따른 도시 개발을 추적해봅시다 - SpaceNet 7 수상자 기술 분석 참조: https://medium.com/the-downlinq/the-spacenet-7-multi-temporal-urban-development-challenge-announcing-the-winners-847a9a53004c SpaceNet 7: The Multi-Temporal Urban Development Challenge SpaceNet은 지리 정보와 관련된 AI 응용 연구를 하는 비영리 기관입니다. 특히 값비싼 위성영상 데이터, 어노테이션과 관련해 다양한 오픈소스 데이터셋 공개 및 경진대회 개최를 하고 있어 위성영상을 활용하고 싶은 연구자, 개발자들에게 많은 각광을 받고 있습니다. 목표 이번 SpaceNet7은 Multi-Temporal Urban Development Challenge로.. 더보기 Score-based Generative Modeling by Diffusion Process Introduction to Score-based Generative Models Generative Model는 현실에 존재할만한 그럴듯한(High-fidelity) 이미지를 만들거나, Semi-supervised Learning, Few-Shot Learning 등의 문제에서 성능을 향상시키거나, 적대적 예제나 이상치 탐지를 하는 데 이용하는 등 다양한 응용 문제들에 활용될 수 있습니다. 대표적인 예로 흔히들 잘 알려져 있는 Autoencoder, VAE, GAN, Normalizing Flows를 들 수 있을 것입니다. 이번 글에서는 이와는 다른 방법론인 Score-based Generative Modeling에 대해서 다뤄보도록 하겠습니다. 이 글에서 주로 다룰 논문은 아래와 같습니다. Gener.. 더보기 라벨 스무딩(Label smoothing), When Does Label Smoothing Help? $ \newcommand{\infdiv}{D\infdivx} \newcommand{\comz}{\mathcal{Z}} \newcommand{\vec}{\boldsymbol} $ 딥 러닝의 신뢰도를 개선하기 위한 모델 보정(calibration) 기법 소개 최근 다양한 분야에서 각광 받는 딥 러닝은 성능 면에서 매우 우수한 결과를 보여주고 있지만, 실제 애플리케이션에서 사용하기에는 신뢰성 측면에서 부족한 면이 있습니다. 대표적인 예로, 의료 영상에서 딥 러닝 모델을 사용해 질병 여부를 판단할 때 신뢰성에 대한 고려가 없다면 모델의 출력 결과인 예측 확률과 실제로 정답을 맞힐 확률이 일치하지 않는 문제가 있습니다. 다른 말로, 일반적인 딥 러닝 모델은 실제로 정답을 맞출 확률보다 자신이 예측한 결과를 과잉 .. 더보기 Real-world Super-resolution via Kernel Estimation and Noise Injection [paper], [code] *테스트 코드만 공개됨 Real-world 및 Blind Super-resolution (SR)에 관련된 논문으로 CVPR 2020 workshop (NTIRE 2020) 페이퍼입니다. 더불어 NTIRE 2020 real-world SR 챌린지에서 1위를 차지한 방법이기도 합니다. 여기서는 Real-world SR과 Blind SR에 대해서 간략히 알아보고 논문에서 제안한 방식을 알아보겠습니다. Introduction 일반적으로 기존의 SR 방법들은 low-resolution (LR), $I_{LR}$, 영상을 다음과 같이 high-resolution (HR), $I_{HR}$ 영상들로부터 구했습니다. $$ I_{LR} = I_{HR} \downarrow_s $$ 이를 통해 .. 더보기 Anomaly detection using one class neural networks (Raghavendra Chalapath, 2018) 이상 탐지(Anomaly Detection)는 정상 데이터들과 큰 차이를 갖는 이상치(Anomaly)를 탐지하는 문제로 최근 딥 러닝을 이용해 해결하려는 연구가 많이 진행되고 있습니다. 이상치는 정상적인 패턴에서 벗어나 예상되는 패턴을 따르지 않는 개체를 의미하며, 오류로 인해 야기되기도 하지만 알려지지 않은 새로운 발견을 찾아내는 근거가 되기도 합니다. 따라서 이상 탐지는 사이버 보안, 의학, 금융, 행동패턴, 자연과학 및 제조업 등 다양한 산업 분야에서 활용될 수 있으며 최근 놀라운 성능 향상을 이끈 딥 러닝과 결합해 탁월한 성과를 낼 것으로 기대되고 있습니다. 본 논문에서는 딥 러닝 모델을 통해 추출한 특징(deep learning features)과 전통적인 이상 탐기 기법인 One-Class S.. 더보기 이전 1 2 다음
