๐ข ETRI (2024.01.10)
๐ 01.09-TODO List:
1. ๋ ผ๋ฌธ review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Dataโ Related Works (๋ด์ฉ ์ ์ - ์)
โ Source free Domain Adaptive Object Detection (๋ด์ฉ ์งฑ๋ง์ - ์)
โ Experiments (2๋ฒ์งธ๋ก ๋ง์ - ๋ชฉ)
2. ์ฃผ์ค์ ํ ๊ฒ: Deep Learning 2024(Bishop)-Chapter 2 ์ฝ๊ณ ๊ณต๋ถํ๊ธฐ
โ 2.1 The Rule of Probability
โ 2.2 Probability Densities
โ 2.3 The Gaussian Distributionโ 2.4 Transformation of Densities
โ 2.5 Information Theory
โ 2.6. Bayesian Probabilites
A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data | Proceedings of the AAAI Conference o
ojs.aaai.org
๐ ์ถ๊ทผ! (8:10 - 8:25)
6์ ์๋์ด ์ง๋ ํ๊ฒ๋ ๋ ๊นจ์ ๋ ๊ณผ๊ฑฐ์๊ธฐ์...
๊ทธ๋ฅ 7์์ ์๋ ๋ง์ถฐ๋ฒ๋ ธ๋ค ใ
ใ
ใ
๊ทธ๋๋ ๋ฐฅ์ ๋ง์๊ฒ ์ผ๋ฌด์ง๊ฒ ๋จน๊ณ ์๋ค ํํ๐คฃ
์ถํด๊ทผ์ ์
ํ๋ฒ์ค๊ฐ ์ญ์ฌ ์ ์ผ ๋น ๋ฅธ๊ฑฐ ๊ฐ๋ค. (Shortest Path Algorithm?)
์ด์ ํญ์คโ๏ธ์ด ์์ ๊ทธ๋ฐ์ง ๋ฒ์ค๊ฐ ์๊ฐ๋ณด๋ค ์ผ์ฐ? ์๊ณ ์๊ฐ๋ณด๋ค ๋ฆ๊ฒ ๋์ฐฉํ๋ค.
๐ ๊ณต๋ถ! (8:30-12:00)
์
ํ๋ฒ์ค ํ๊ณ ์ค๋๊ฒ ์ผ์ฐ๊ณต๋ถํ ์ ์์ด์ ์ด๋์ธ๊ฑฐ ๊ฐ๋ค.
์ด์ ๋จ์ ํ ์ผ์ ๋
ผ๋ฌธ review์ Deep Learning: Chapter 2 ์ด๋ค.
๋จผ์ Chapter 2.4๋จผ์ ๋ค ์ฝ์๋๋ฐ ์๊ฐ๋ณด๋ค ํฅ๋ฏธ๋ก์ ๋ ๋ด์ฉ์ด์๋ค.
๋ณ์์๋ ๊ทธ์ ๋ง๋ Distribution์ด ์๊ณ ,
ํ ๋ณ์์์ ๋ค๋ฅธ ๋ณ์๋ก ๋น์ ํ๋ณํํจ์๋ฅผ ์ด์ฉํด ์ด๋ป๊ฒ ๋ณํ์ ์ด๋ป๊ฒ ํ๋์ง, (ํฉ์ฑํจ์๋ฐฉ์)
์ด๋, ๋ณํ์ ๊ฐ ๋ณ์์ mode๊ฐ ์๋ก ์ ํํ๊ฒ ๋ง์ง๋ ์๋๋ค๋์ .
์ด ๋จ๋ณ๋ ๋ถํฌ๋ฅผ ๋ค๋ณ๋๋ถํฌ์ ์ด๋ป๊ฒ ์ ์ฉํ ๊ฒ์ธ๊ฐ?
→ ๋ถํฌ์ ์ ๋๊ฐ์ ์์ด det J๋ฅผ ๊ณฑํด์ฃผ๋ ๋ฐฉ๋ฒ.
J; Jacobian Matrix ์ญํ : ๊ณต๊ฐ์ ์ผ๋ถ๋ฅผ ํ์ฅํ๊ณ ๋ค๋ฅธ ๋ถ๋ถ์ ์์ถํ๋ ๊ฒ
(= ํด๋น ๋ณ์์ ๋ณํ๋์ด ๋ค๋ฅธ ๋ณ์์ ์ผ๋ง๋ ์ํฅ์ ์ฃผ๋์ง๋ฅผ ์๋ฏธ;
์ด๋ฅผ ๋ชจ๋ ์์ญ์ ๋ํด ๊ณ ๋ คํ๋ฉด ์ ์ฒด ๊ณต๊ฐ์ด ์ด๋ป๊ฒ ๋ณํํ๋์ง ์ ์ ์์)
๋์ถฉ ์์ฝํ๋ฉด ์ด๋ฐ ๋์์ค๋ค.
์ด๋ฒ DA์ ํต์ฌ์ด ์๋ก ๋ค๋ฅธ Distribution๊ฐ์ ์ ์ฉ์ ๋ํ ๋ด์ฉ์ด๊ณ
์ฑ ๋ด์ฉ์์๋ ๋์์ง๋ง Chapter 18. ์ฆ, Image Generation Model์์
Normalizing flow๋ผ๋ ์์ฑ๋ชจ๋ธํด๋์ค๋ฅผ ๋ค๋ฃฐ๋ ์ค์ํ ์ญํ ์ ํ๋ค ์ ํ์์๋ค๋ ์ ์์
๋๋จํ ๋์์ด ๋ง์ด ๋์๋ ๋ด์ฉ์ด๋ผ ์๊ฐํ๋ค.
๋ฐฅ๋จน์ ๋ ๊น์ง 1์๊ฐ์ด๋ ๋จ์๊ธฐ์ ์งง์ Related Works๋ฅผ ๋ชจ๋ ๋ค ์ฝ์๋ค.
Abstraction๊ณผ Introduction์์ ์กฐ๊ธ์ฉ ์๊ฐ๋ ๊ฐ๋จํ ๋ด์ฉ์ด์๋ค.
๐ ๋ฐฅ์ด๋ค ๋ฐฅ! (12:30~13:00)
๋ง์ฐฌ๊ฐ์ง๋ก ๋ํธ์ (ํ์)
๋ถํฅ๐ฅ์ ์ก?์ด ๋์๋๋ฐ ์ฌ์ง ์ง๊ธ๋ณด๋ ์ง์ง ๋ง์ด๋ ๋ด์๋คใ ใ ใ
(์ด๋บ๋ค๊ณ ์์ด์กฐ์ ํ๊ณ ์๋๋ฐ ์ด๊ฑฐ๋์ ๋ฐ๋ก ๋ผ์ง๐ท๋ ๋ฏใ
ใ
ใ
์๋ ๊ทธ๋ฆฌ๊ณ ๋ถํฅ์ด๋ผ๋ฉด์... ๋ถํฅ ์ ๋์๋ง ๋จ...??)
๐ ๊ณต๋ถ! (13:30-18:00)
๋ ผ๋ฌธ review ๊ณ์ ์งํ. ์ค๋์ Relative Worksํํธ์ SFODํํธ๋ฅผ ์ฝ์๋ค.
3์ฅ์ ๋์ ๋ถ๋์ด๋ผ ๋ณด๋ฉด ๋๋ค.
[๋ ผ๋ฌธ review]: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
No Free Lunch from Deep Learning์ด๋ผ๋ ๋ง์ด ์์๋งํผ No Free Lunch๋ผ๋ ๋ง์ ์ ๋ช ํ๋ฐ... ์ด๋ฅผ ์ ๋ฉด์ผ๋ก ๋ฐ๋ฐํ๊ณ Free Lunch๋ผ๊ณ ํํํ๊ฑธ ๋ด์๋ ๋งค์ฐ ์์ ์ด ์๋ค๋ ๋ง๋ก ํด์ํด์ ์ด ๋ ผ๋ฌธ์ ์ฒซ๋ฒ์งธ ๋ ผ๋ฌธ
chan4im.tistory.com
์ผ๋จ ์์ฝํ์๋ฉด...
์ด๊ฒ ์ง์ง ํ์ํ ์ค๋ช
๋ฃ์ผ๋ฉด์ ์ต๋ํ์ผ๋ก ๊พน๊พน ํ์์ถํ์น๋ก ์์ฝํ๊ฑฐ๋คใ
ใ
ใ
์์ง ์ดํด๊ฐ ์๋ฒฝํ๊ฒ ๋์ง๋ ์์๊ธฐ ๋๋ฌธ์ ๋ด์ผ Experiments๋ฅผ ๋ค ์ฝ์ ํ๋ , ์ฝ๊ธฐ ์ ์ด๋ ํ๋ฒ์ ๋ค์ ํ๋ฆ์ ๋์ง์ด ๋ด์ผ๊ฒ ๋ค.
๐ ํด๊ทผ! (18:30 - 19:00)
ํด๊ทผ์ด ์ ์ผ ์ข๋ค๋ ์ง์ฅ์ธ์ ๋ง์ ๊ณต๊ฐ์ด ์ ์ ๋๋คใ
ใ
ใ
์์นจ์ถ๊ทผ๋๋ฌธ์ ๊ทธ๋ฅ ์กธ๋ฆฌ๋คใ
ใ
ํผ๊ณค๐ฉธํ๊ณ ใ
ใ
๐๐ป ์ด๋! (19:00 -)
์ค๋์ 5X5 Strength B๋ฃจํด ํ๋๋ .
์นดํ์ธ ์์ํ๊ฒ ๋ง์๊ณ ๋ฐ๋ก Squat→Military Press→Dead Lift ํ๋ฌ ๊ฐ๋ค.
์ญ์ Deadlift๊ฐ ์ ์ผ ๋ง๊น๋๐
์ด๋์ด๋ค. (๊ทผ๋ฐ ํ๊ณ ๋๋ฉด ์ง์ง ์ธ์์ธ์ ์ด๋ ๊ฒ ํผ๊ณคํ ์๊ฐ ์๋คใ
ใ
ใ
)
๐ TODO List:
1. ๋ ผ๋ฌธ review: A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data
โ Source free Domain Adaptive Object Detection (์ ๋ฆฌ๋ ์๋ฃ, ํบ์๋ณด๊ธฐ ํ์โ๏ธ)
์ ๊ทธ๋ฆฌ๊ณ pseudo labeling in FN Simulation์์ Detection์์ TN์๊ธฐ๊ฐ ๋์๋ค.
Detection์์๋ TN์ด ์์ฐ์ธ๋ค๊ณ ์๊ณ ์์ด์ ์ด์ ๋ํด์๋ ์ข ์์๋ด์ผํ๋ค.
โ Experiments (2๋ฒ์งธ๋ก ๋ง์ - ๋ชฉ)
2. ์ฃผ์ค์ ํ ๊ฒ: Deep Learning 2024(Bishop)-Chapter 2 ์ฝ๊ณ ๊ณต๋ถํ๊ธฐ
โ 2.1 The Rule of Probability
โ 2.2 Probability Densities
โ 2.3 The Gaussian Distributionโ 2.4 Transformation of Densities
โ 2.5 Information Theory
โ 2.6. Bayesian Probabilites
A Free Lunch for Unsupervised Domain Adaptive Object Detection without Source Data | Proceedings of the AAAI Conference o
ojs.aaai.org
'2024 winter > ETRI(์ผ์)' ์นดํ ๊ณ ๋ฆฌ์ ๋ค๋ฅธ ๊ธ
[ETRI]2024.01.12 (2) | 2024.01.12 |
---|---|
[ETRI]2024.01.11 (0) | 2024.01.11 |
[ETRI]2024.01.09 (2) | 2024.01.09 |
[ETRI]2024.01.08 (4) | 2024.01.08 |
[ETRI]2024.01.05 (4) | 2024.01.05 |