Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 |
Tags
- machine unlearning
- 인공지능
- contrastive learning
- Attention
- BERT
- mordernize
- ICML
- DeepLearning
- simclr
- Bidirectional Transformers for Language Understanding
- convnext
- GAN # Label Smoothing
- boundary unlearning
- self supervised learning
- Instance segmentation
- NT-Xent(InFoNCE)
- Deepfake
- class activation mapping
- You Only Look Once #YOLO
- Convolution Block Attention Module
- Transformer
- FLOPS
- Semantic Segmentation
- NLP
- 딥러닝
- ECCV
- ConvNet
- multi head attention
- CBAM
- Swin Transformer
Archives
- Today
- Total
목록CBAM (1)
륵늘
KAIST에서 2018년에 나온 논문인 CBAM에 대해서 정리를 해보고자 한다. 2018 ECCV에 Accept 된 논문으로 2024년 3월 4일 기준으로 Citation의 수는 16848회이다. 위 논문은 기존에 있던 연구인 SENet과 BAM보다 성능이 향상된 방법으로 2가지의 Module(Channel, Spatial)을 이용해서 CNN의 효과를 보다 더 좋은 성능을 이끌 수 있게 도와주는 방법론을 설명한다. 오늘은 이에 대해서 자세하게 알아보고자한다. 방법론 설명에 앞서 위 논문의 Contribution은 3가지로 이루어져 있는데, 첫 번째로는 간단하지만 효과적인 Attention moudule인 CBAM은 CNN에서의 표현능력을 향상시키기 위해서 넓게 적용 될 수 있다고 말한다. 두 번째로는 여..
딥러닝/VISION
2024. 3. 4. 21:43