CVPR 2022에 발표된 논문입니다. 저자는 Jiaotong University 쪽 4명과 Lanzhou University of Technology 1명으로 구성되어 있습니다. 이 논문의 주된 이야기는 CAM(Class Activation Mapping)을 이용하여 WSSS(Weakly Supervised Semantic Segmentation)을 medical image에서 어떻게 다룰 것인지(pseudo mask labeling을 생성해내는)에 대한 설명입니다. 약 10페이지 짜리인데도 이걸 읽는 것만으로는 정말 이해하기가 힘드네요.. Abstract 최근 CAM(Class Activation Mapping)을 기반으로 WSSS(Weakly Supervised Semantic Segmentatio..

논문 제목은 U-Net: Convolutional Networks for Biomedical Image Segmentation 입니다. 이 논문은 Medical 분야에서 Baseline으로 통하는 기저가 되는 논문으로 2015년 CVPR에 발표되었고 2022.11.30 기준 인용 횟수가 무려 5만회가 넘습니다. Segmentation에서 쓰이며 이후 wide unet, unet++, unet3+으로 더욱 개선을 시도한 논문들이 발표되었습니다. PPT 자료입니다. 슬라이드 메모에 설명을 적어놓았는데 slideshare에 pdf로 올라가면서 메모 노출이 안되는게 에러네요. U-Net: Convolutional Networks for Biomedical Image Segmentation from fake ca..

이 글을 보기 전에 https://fakecan.tistory.com/58 에서 confusion matrix(TP, FP, TN, FN)을 보시기 바랍니다. 모델을 평가하려면 지표가 필요합니다. 이런 지표 중에서 대표적이라 할 수 있는 Precision(정밀도)과 Recall(재현율)을 이해해보겠습니다. 설명하기 이전에, 사용 모델을 '나'라고 치환해서 설명하겠습니다. e.g. 내가 맞다고 분류한 것 중에서 실제로 맞는 것의 비율 → 모델이 맞다고 분류한 것 중에서 실제로 맞는 것의 비율 그리고 '판단'이라는 말을 '예측'이라는 말로 생각하셔도 무방합니다. Precision(정밀도) 내가 맞다고 판단한 것 중에서 실제로 맞는 것의 비율 TP : 내가 맞다고 판단한 것이 실제로 맞는 것(정답을 맞힌 상황..

이 글을 보기 전에 https://fakecan.tistory.com/58 에서 confusion matrix(TP, FP, TN, FN)을 먼저 이해하고 봐주세요. 의료에서는 진단을 환자(양성)를 찾아내는데 더 집중하느냐, 정상(음성)을 찾아내는데 더 집중하느냐에 따라 기준 지표가 달라질 수 있습니다. 이런 진단을 하는 기준에 대해 sensitivity와 specificity를 자주 이야기합니다. 이 두 가지 용어를 이해해보겠습니다. 양성 환자(질병을 앓는 사람, 여기서는 Positive로 생각한다) 음성 정상(멀쩡한 사람, 여기서는 Negative로 생각한다) Sensitivity(민감도) : 환자를 환자라고 진단하는 비율(양성을 양성이라고 진단하는 비율) Specificity(특이도) : 정상을 정..

딥러닝 모델에서 평가 지표는 어떤 모델의 성능을 측정하는 단위가 되기 때문에 매우 중요합니다. 모델에 대해서 평가를 할 수 없다면 모델들끼리의 좋고 나쁜지 알 수 없기 때문입니다. 성능을 위해서 사용되는 지표의 기본 개념들을 알아보겠습니다. Confusion Matrix(TP, FP, TN, FN) 저 위에 설명이 직관적으로 와닿지 않을 수 있습니다. 조금 풀어 써보겠습니다. 먼저 TP, FP, TN, FN의 단어 뒷부분을 담당하는 Positive(or Negative)는 나의 생각을 나타냅니다. 내가 문제를 정답으로 생각하냐 오답으로 생각하냐를 나타냅니다. 그렇다면 단어 앞부분의 True(or False)는 내 생각이 맞는지 틀린지 정해주는 기준이 됩니다. 그리고 단어를 해석할 때, 단어 뒷부분의 P(..

Seq2Seq 이론 및 구현을 정리하고 있습니다. github code : https://github.com/fakecan/Seq2Seq/ GitHub - fakecan/Seq2Seq Contribute to fakecan/Seq2Seq development by creating an account on GitHub. github.com 코드는 깃허브에 구현되어 있고, 자료는 아래 Reference를 참고하여 진행하였습니다. Reference Seq2Seq https://jiho-ml.com/weekly-nlp-22/ https://amber-chaeeunk.tistory.com/92 https://velog.io/@sujeongim/NLPSeq2Seq-with-Attention Seq2Seq code ..