딥러닝 공부

이전 Faster R-CNN 리뷰 : 2022.11.18 - [Paper Review] - [Paper Review] Faster R-CNN [Paper Review] Faster R-CNN 이전 Fast R-CNN 리뷰 : 2022.11.16 - [Paper Review] - [Paper Review] Fast R-CNN [Paper Review] Fast R-CNN 이전 SPP-Net 리뷰 : 2022.11.11 - [Paper Review] - [IEEE Transactions] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recogni josh3255.tistory.com 논문 : https://arxiv.org/pdf/15..

이전 Fast R-CNN 리뷰 : 2022.11.16 - [Paper Review] - [Paper Review] Fast R-CNN [Paper Review] Fast R-CNN 이전 SPP-Net 리뷰 : 2022.11.11 - [Paper Review] - [IEEE Transactions] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition [IEEE Transactions] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 이전 josh3255.tistory.com 논문 : https://arxiv.org/pdf/1506..

이전 SPP-Net 리뷰 : 2022.11.11 - [Paper Review] - [IEEE Transactions] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition [IEEE Transactions] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 이전 R-CNN 리뷰 : 2022.11.10 - [Paper Review] - [CVPR 2014] Rich feature hierarchies for accurate object detection and semantic segmentation [CVPR 2014] Rich fe..

이전 R-CNN 리뷰 : 2022.11.10 - [Paper Review] - [CVPR 2014] Rich feature hierarchies for accurate object detection and semantic segmentation [CVPR 2014] Rich feature hierarchies for accurate object detection and semantic segmentation 뜬금없이 오래된 R-CNN을 리뷰하는 이유는 블로그에 기초부터 정리하기 위해서이다. 읽는 순서는 서베이 논문인 Object Detection in 20 Years: A Survey 를 참고하여 읽을 것이다. 서베이 논문 : https://arxiv.o josh3255.tistory.com 논문 : h..

논문 : https://arxiv.org/pdf/2104.13586.pdf 최근 행동 인식 분야에서 C3D 계열 모델이 높은 성능을 보여서 간단하게 정리를 해보려고 합니다. 논문에서는 행동 인식 분야에서 높은 성능을 보였던 Graph Convolution 기반이 아닌 관절 히트맵을 대상으로 3D Convolution을 진행하여 행동을 인식한다. 논문에서 제안하는 프레임워크의 구조는 다음과 같다. 입력받은 이미지에서 사람을 검출하고, 검출된 영역에 대해서 각 관절의 히트맵을 뽑는다. 각 프레임별로 추출된 히트맵을 쌓아 3D Heatmap Volume을 만들고 Convolution layers를 통과시켜 행동을 분류한다. 3D Heatmap Volume 논문의 핵심이 되는 3D Volume Heatmap은 ..

학습시킨 딥러닝 모델을 테스트 하려고 하니 아래와 같은 에러가 발생한다. RuntimeError: Expected 4-dimensional input for 4-dimensional weight 64 3 7 7, but got 3-dimensional input of size [3, 224, 224] instead 전처리 과정을 그대로 적용했는데 뭐가 문제일까 생각해보니 학습을 시킬때는 배치단위로 넘겼던 데이터를 테스트 단계에서는 1장 단위로 입력해서 그런 것 같다. 아래와 같이 차원을 늘려서 모델에 입력해주니 정상적으로 작동하였다. output = model(data[None, ...])