사냥꾼의 IT 노트

출처: https://arxiv.org/pdf/2306.08302 데브스택이라는 기업에서 면접 진행 중인데, 해당 논문에 대한 자세한 리뷰가 필요하다 해서 오랜만에 돌아온 논문 리뷰.AbstractGPT를 비롯한 대형 언어 모델 (이하 LLM)은 뛰어난 능력과 일반화 가능성으로 자연어 처리 및 인공지능 분야에서 새로운 물결을 일으키고 있다. 허나 LLM은 블랙박스 모델이기 때문에 현실의 지식을 이용하고 접근하기에 부족하다. 반면 지식 그래프 (이하 KG)는 현실의 지식을 명시적으로 저장하는 구조화된 모델로서, 추론 및 해석 가능성에 대한 외부 지식을 제공해 LLM의 성능을 향상 시킬 수 있다. 하지만 KG 또한 자체척으로 발전하고 진화하기 어렵기 때문에 기존 방법에 도전하는 것 또한 본 논문의 목적이다...

https://scienceon.kisti.re.kr/commons/util/originalView.do?cn=JAKO201911338887012&oCn=JAKO201911338887012&dbt=JAKO&journal=NJOU00292076 원문보기 - ScienceON scienceon.kisti.re.kr Abstract YOLO를 포함한 데이터 기반 탐지 방법은 많은 수의 학습 데이터 없이는 좋은 성능을 보장할 수 없다는 근본적인 문제를 가지고 있다. 본 논문에서는 input 이미지의 특성을 유지하면서 스타일을 변환할 수 있는 cycleGAN을 사용한 데이터 샘플링 방법을 제안한다. 주간 및 야간 도로 이미지를 사용하여 광범위한 실험 결과를 만들고 제안된 방법이 야간 갹체 데이터베이스를 훈련하지 ..

논문 출처: 박사학위_청구논문(김성훈 박사) 서론 사람의 호흡 정보는 헬스케어 등 건강과 관련된 분야에서 다양하게 활용 가능한 정보들이다. 호흡 정보를 활용하고 있는 분야는 '수면다원검사'가 대표적이다. 수면다원검사는 사람의 수면의 질, 수면 중 호흡 장애 등을 검사하기 위해 호흡 상태, 혈중 산소농도, 움직임 등을 측정한다. 최근에는 비접촉식 센서를 기반으로 호흡 정보를 측정하는 방법들이 연구되고 있으며, 대표적으로 Ultra-wideband (이하 UWB) 센서를 활용한 호흡 데이터 측정 방법들이 연구되는 추세이다. UWB 기술은 과거엔 근거리 통신을 위해 개발된 기술이었지만 최근에는 신호가 갖는 특성을 활용, 센서로 사용하면서 생체 신호 감지가 가능해졌다. 특히 사람의 호흡뿐만 아니라 맥박까지도 측..

논문 출처: https://arxiv.org/pdf/2207.02696.pdf Abstract YOLO v7은 5~160fps 범위의 속도와 정확도 면에서 object detector를 능가하는 모델입니다. V100 GPU에서 30fps 이상의 알려져있는 실시간 오브젝트 검출과 중에서 가장 높은 정확도인 56.8%의 성능을 보입니다. YOLO v7-E6은 transformer 기반 검출 모델인 SWIN-L Cascade-Mask R-CNN 보다 속도는 509%, 정확도는 2%를 능가하며, convolution 기반 검출 모델인 ConvNext-XL Cascade-Mask R-CNN 보다 속도는 551%, 정확도는 0.7% 앞섭니다. 우리는 MS COCO 데이터셋을 통해 pre-train을 했습니다. Co..

논문 출처: http://jsstec.org/xml/24887/24887.pdf 현재 소속중인 연구실에서 헬스 케어를 연구중이다. 교수님께서 내주신 과제는 호흡 패턴에 의한 호흡 데이터 확보. 20년 넘게 살면서 정말 쳐다도 안본 분야다. 다행히 아직은 살기 좋은 세상이다. 인터넷을 뒤지다가 좋은 논문을 하나 발견했다. Abstract 유아 및 아동에게 진료를 할 때 행동 조절이 어려운 경우가 많다. 이 때 환자들이 공포심을 갖지 않고 심리적인 불안감을 안정시키기 위해서 병원에서 많은 방법을 사용한다. 심리적 방법, 신체적 억제법, 약물을 이용한 의식하 진정 요법 등 여러가지 방법이 있지만 이 방법들이 불충분한 경우 특별한 행동조절법이 요구된다. 수면 마취를 이용하면 환자에게 필요한 모든 치료를 한번에 ..

논문: https://arxiv.org/pdf/1506.02640.pdf Abstract 우리는 기존의 Object Detection과 다른 YOLO라는 모델을 제안합니다. 전체 이미지에 대해서 bounding boxes 와 class probabilities를 한번에 작업합니다. 중간에 추가 개입이 필요 없는 end-to-end 로직이 사용됩니다. 초당 45frame의 속도를 가지고 있으며, real-time에 굉장히 가깝습니다. 성능이 조금 떨어져도 초당 155frame까지 속도를 올릴 수 있습니다. YOLO는 state-of-the-art 모델과 비교했을 때 localization의 에러가 거의 없습니다. DPM과 R-CNN과 비교했을 때 자연 이미지와 artwork에서도 더욱 범용적인 면을 보입니..