[ETRI]2024.01.10

🏢 ETRI (2024.01.10)

📌 01.09-TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Related Works (내용 적음 - 수)
∙ Source free Domain Adaptive Object Detection (내용 짱많음 - 수)
∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data | Proceedings of the AAAI Conference o

 

 
 

🚍 출근! (8:10 - 8:25)

6시 알람이 지독하게도 날 깨웠던 과거였기에...

그냥 7시에 알람 맞춰버렸다 ㅋㅋㅋ
그래도 밥은 맛있게 야무지게 먹고왔다 히히🤣
출퇴근은 셔틀버스가 역쉬 제일 빠른거 같다. (Shortest Path Algorithm?)

어제 폭설❄️이 와서 그런지 버스가 생각보다 일찍? 왔고 생각보다 늦게 도착했다. 
 
 
 
 
 

📖 공부! (8:30-12:00)

셔틀버스 타고 오는게 일찍공부할 수 있어서 이득인거 같다.
이제 남은 할일은 논문 review와 Deep Learning: Chapter 2 이다.

먼저 Chapter 2.4먼저 다 읽었는데 생각보다 흥미로웠던 내용이었다.

변수에는 그에 맞는 Distribution이 있고,
한 변수에서 다른 변수로 비선형변환함수를 이용해 어떻게 변환을 어떻게 하는지, (합성함수방식)
이때, 변환은 각 변수의 mode가 서로 정확하게 맞지는 않는다는점.

---

이 단변량 분포를 다변량분포에 어떻게 적용할 것인가?
→ 분포에 절댓값을 씌운 det J를 곱해주는 방법.

J; Jacobian Matrix 역할: 공간의 일부를 확장하고 다른 부분을 압축하는 것
(= 해당 변수의 변화량이 다른 변수에 얼마나 영향을 주는지를 의미;
이를 모든 영역에 대해 고려하면 전체 공간이 어떻게 변화하는지 알 수 있음)

 

대충 요약하면 이런 뉘앙스다.

 

이번 DA의 핵심이 서로 다른 Distribution간의 적용에 대한 내용이고

책 내용에서도 나왔지만 Chapter 18. 즉, Image Generation Model에서

Normalizing flow라는 생성모델클래스를 다룰때 중요한 역할을 한다 적혀있었다는 점에서 

대단히 도움이 많이 되었던 내용이라 생각한다.

 

 

밥먹을 때 까지 1시간이나 남았기에 짧은 Related Works를 모두 다 읽었다.

Abstraction과 Introduction에서 조금씩 소개된 간단한 내용이었다.

 

 

 

 

 

 

🍚 밥이다 밥! (12:30~13:00)

마찬가지로 동편제(한식)

불향🔥제육?이 나왔는데 사진 지금보니 진짜 많이도 담았다ㅋㅋㅋ

(살뺀다고 식이조절하고 있는데 이거땜시 바로 돼지🐷될듯ㅋㅋㅋ

아니 그리고 불향이라면서... 불향 왜 냄새만 남...??)

 
 
 
 
 
 

 
 

📖 공부! (13:30-18:00)

논문 review 계속 진행. 오늘은 Relative Works파트와 SFOD파트를 읽었다.

3장정도의 분량이라 보면 된다.

[논문 review]: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data

일단 요약하자면...

이게 진짜 필요한 설명 넣으면서 최대한으로 꾹꾹 풀압축펀치로 요약한거다ㅋㅋㅋ

아직 이해가 완벽하게 되지는 않았기 때문에 내일 Experiments를 다 읽은 후든, 읽기 전이든 한번은 다시 흐름을 되짚어 봐야겠다.
 
 

 

🚍 퇴근! (18:30 - 19:00)

퇴근이 제일 좋다는 직장인의 말에 공감이 점점된다ㅋㅋㅋ
아침출근때문에 그냥 졸리다ㅋㅋ 피곤🩸하고ㅠㅠ


 
 
 
 

🏋🏻 운동! (19:00 -)

오늘은 5X5 Strength B루틴 하는날.
카페인 시원하게 마시고 바로 Squat→Military Press→Dead Lift 하러 갔다.
 역시 Deadlift가 제일 맛깔난👅 운동이다. (근데 하고나면 진짜 세상세상 이렇게 피곤할 수가 없다ㅋㅋㅋ)
 

 

 

 

 

 

📌 TODO List:

1. 논문 review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
∙ Source free Domain Adaptive Object Detection (정리는 완료, 톺아보기 필요❗️)
아 그리고 pseudo labeling in FN Simulation에서 Detection에서 TN얘기가 나왔다.
Detection에서는 TN이 안쓰인다고 알고있어서 이에 대해서도 좀 알아봐야한다.

∙ Experiments (2번째로 많음 - 목)


2. 주중에 할 것: Deep Learning 2024(Bishop)-Chapter 2 읽고 공부하기
∙ 2.1  The Rule of Probability
∙ 2.2  Probability Densities
∙ 2.3  The Gaussian Distribution
∙ 2.4  Transformation of Densities
∙ 2.5  Information Theory
∙ 2.6. Bayesian Probabilites

A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data | Proceedings of the AAAI Conference o