Paper review 썸네일형 리스트형 EDRN(Enhanced Deep Residual Networks for Single Image Super-Resolution) 리뷰 EDRN(Enhanced Deep Residual Networks for Single Image Super-Resolution) 서울대학교 이경무 교수님 연구실에서 출간됐던 EDRN(Enhanced Deep Residual Networks for Single Image Super-Resolution) 리뷰합니다. 위 논문의 Contribution은 크게 두가지로, 1. 기존 Conventional Residual network기반의 SR 네트워크에서 불필요한 모듈(Batch normalization)을 제거함으로써 메모리/성능 측면에서 유효한 효과를 봤음 2. 단일 스케일기반의 SR 네트워크뿐만 아니라 멀티 스케일기반의 MDSR 네트워크를 제안함 입니다. Introduction - Super-resolu.. 더보기 논문리뷰/paper review/Attention is ALL You Need 1. 기존 연구의 문제점 - RNN, LSTM, GRU 기반의 모델들이 NLP분야에서 좋은 성능을 보여주고 있음 - 위의 모델들은 순차적인 계산/처리를 하는데 이는 데이터 특성에 따라 좋을 수도 있고 좋지 않을 수도 있음 - 예를 들어 이미지 형태의 글자 '나는 빨갛고 동그란 사과를 좋아한다'를 한글로 뽑아내는 OCR 어플리케이션은 순차적인 계산/처리가 효과적이지만 이를 영어로 번역하는 경우 'I like red and round apple'로 순서가 뒤바뀌게 Output이 만들어져야한다. 이로 인해 모델이 symbol을 만들 때 헷갈릴 수 있고 효과적으로 feature를 디자인하기 힘들 수 있다. - 또한 Long term dependency problem으로 인해 Input사이의 길이가 길어질수록 점.. 더보기 Character Region Awareness for Text Detection/논문리뷰/paper review 1. 논문 요약 1.1 이전 연구의 한계점 - curved or arbitrary text 응용에 limitation이 존재 1.2 본 연구의 contribution - weakly-supervised learning을 통해 Lack of individual character level annotations 문제를 극복 - character간 affinity score를 측정하는 새로운 representation을 도입 - 6개 benchmark dataset을 활용하여 검증한 결과, curved/arbitrary/deformed 된 complicate한 text에서 강인함을 확인 2. 방법론 소개 - Main objective: 각각의 character 마다 정확하게 Localize 시키는 것 - Tr.. 더보기 이전 1 다음
