논문 Review (4) 썸네일형 리스트형 High Performance Visual Tracking with Siamese Region Proposal Network(Siamese-RPN) 오늘은 Siamese-RPN에 대하여 정리해보도록 하겠습니다. 밀리테크 연구 과제에 적용하기 위해 해당 내용을 깊이 이해하기 위해 노력해보겠습니다. Siamese-RPN은 Computer Vision 분야에서 매우 중요한 역할을 다하였고, 이를 응용한 다양한 모델도 꾸준히 등장하였습니다. 그럼 이제 본격적으로 Siamese-RPN에 대하여 정리해보도록 하겠습니다. 논문의 아이디어는 크게 어렵지 않은데 논문을 읽기가 참 어려운 논문인것 같습니다 ㅜㅜ 핵심 아이디어는 요약에 정리하였으니 요약을 먼저 보시고 읽어보시면 좋을 것 같습니다. oneshot-detection과 관련된 부분은 좀 더 찾아보고 추가해야될 것 같습니다.... 1. Introduction Siamese-RPN은 template branch.. Deep Residual Learning for image Recognition 1. Introduction CNN 모델의 발전은 image classification 문제를 해결하는데 매우 큰 영향을 영향을 미쳤다. CNN에 대한 다양한 Architecture들은 개발되었고, 여러 Architecture가 주목한 중요한 요소는 '깊이'였다. 16에서 30에 이르기까지 수많은 모델은 '깊이'를 깊게 함으로써 그 성능을 향상해왔다. 하지만, 깊이에 대한 중요한 의문점이 생겼다. 'Is learning better networks as easy as stacking more layers?' 이 질문에서 시사하는 중요한 문제는 바로 gradients vanishing/exploding 문제였다. 하지만 이러한 문제는 nomalized initialization, intermediate n.. Triplet Loss in Siamese Network for Object Tracking 1. Introduction Siamese Network에 새로운 triplet loss를 추가하여 더 강력한 features를 얻고자 한다. 각 triplet은 negative instance와 비교하여 exemplar에 대한 positve instance의 확률을 구하는 matching probability 정의하고 이를 통해 모든 triplet 사이의 joint probability를 극대화하는 것을 목표로 한다. 1개의 exempler에 대해서 M,N(M: exempler-positive pairs, N: exempler-negative pairs, M,N≥2)의 batch를 독립적으로 설정하고 MN triplet-wise elements를 training에 적용한다. 이를 통해 더 많은 elem.. Learning Multi-Domain Convolutional Neural Networks for Visual Tracking Militech 프로그램을 진행하면서 멘토님께서 추천해주신 Learning Multi-Domain Convolutional Neural Networks for Visual Tracking에 대하여 정리해보도록 하겠습니다. 이렇게 논문을 읽어보는 것 자체가 처음이라 완전한 이해는 하지 못할 수 있지만 그래도 최선을 다해보도록 하겠습다!!! 1. Introduction CNN을 기반으로 한 기존의 많은 vidual tracking 알고리즘들은 좋은 성과를 내고 있는 것은 사실이나 분명하게 따지면 classification 과 tracking은 엄연히 다른 문제이기 때문이다. 하나의 동영상만 하더라도 다양한 종류의 targets이 있고 그들의 움지이는 패턴, 모습 등은 모두 다르며 또한 occusion, de.. 이전 1 다음
