럭키한 행복 회로

논문 제목 : Deep Residual Learning for Image Recognition논문 링크 : https://arxiv.org/abs/1512.03385Abstract깊은 neural net은 학습하기가 힘들다.그래서 residual learning framework를 활용해서 더 깊은 network를 효과적으로 학습했다.Accuracy가 증가했고 optimize도 쉬워졌다.평가에 사용된 layer는 152개로 VGG net보다 8배 깊어졌다.ImageNet의 데이터셋으로 3.57%의 error를 달성했다.1. Introduction깊은 신경망은 이미지 분류에 자주 이용되었다.네트워크의 깊이가 상당히 중요하기 때문이다.그렇다면 항상 더 많은 layer를 쌓으면 더 좋은 네트워크를 얻을까?이를..

논문 제목 : Densely Connected Convolutional Networks논문 링크 : https://arxiv.org/pdf/1608.06993.pdf이번에 리뷰할 논문은 DenseNet이다.Abstract기존의 신경망이 L개의 layer가 있을 때 L개의 connection이 있다면,DenseNet은 2L(L+1)​ 개의 connection이 있다.How?Fig. 1을 참고하자. L개의 layer가 있다면 L+(L−1)+...+1=2L(L+1)​ 이다.첫 시작이 L인 이유는 input부터 모든 layer에 connection이 생기기 때문이다.이러한 DenseNet은 아래와 같은 장점을 지닌다.기울기 소실 문제 감소견고한 feature propagationfeature 재사용 장려para..

논문 제목 : Going deeper with convolutions논문 링크 : https://arxiv.org/abs/1409.4842Introduction기존과 데이터셋이 달라지지는 않았지만 성능이 향상된 이유는 새로운 아이디어, 알고리즘, 발전된 네트워크 아키텍쳐 덕분이다.또 전력과 메모리 사용량 역시 중요한 부분이다.실용적 활용을 위해 15억 번의 계산량을 넘지 않도록 했다.이번 논문에서는 efficient deep neural network architecture에 집중했다.여기서 "deep"이 2가지 의미로 사용되었다.1) 네트워크 아키텍쳐 자체가 "깊어"지는 것2) Inception module의 도입(더 deep해진 수준)Related WorkLeNet-5를 시작으로 CNN은 일반적인 구..

논문 제목 : ImageNet Classification with Deep Convolutional Neural Networks논문 링크 : https://proceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf첫 논문 리뷰이다. 이제 막 읽게 되어 시간이 조금 걸리긴 했으나 9페이지(끝에 주석 페이지를 빼면 실질적으로 8페이지)뿐이라 그래도 금방 읽은 것 같다. 기본 배경지식을 쌓고 보니 술술 읽힌 것 같다.의의CNN Architecture를 사용해 ILSVRC에서 정확도를 획기적으로 높이며 주목을 받은 중요한 논문이다. 이전까지는 SVM과 같은 비-딥러닝 방식이 우세했으나 본격적으로 컴퓨터 비전에 딥러닝이 유용함..

논문 제목 : Fast R-CNN논문 링크 : https://arxiv.org/pdf/1504.08083.pdf이번에 리뷰할 논문은 Fast R-CNN이다.논문 제목이 곧 모델명.. ㅋㅋㅋ 단순하지만 강렬하다.기존의 R-CNN이 상당히 느리다는 단점이 있다.GPU로 13초, CPU로 53초.. 실시간은 어림도 없고, 이미지 100장만 분석해도 1300초가 걸린다!또 기존 모델은 linear SVM, AlexNet(CNN), Bounding Box regressor 3개를 학습시켜야 해서 비효율적이다.따라서 이러한 단점들을 개선한 것이 이번 Fast R-CNN이다.한 번 살펴보자![후기]생각보다 술술 읽혀서 좋은 논문이다.구조도 깔끔하고, 단어 선택도 잘 되어있어 읽기 편했다.마지막에 저자의 질문을 바탕으..

논문 제목 : Rich feature hierarchies for accurate object detection and semantic segmentation논문 링크 : https://arxiv.org/pdf/1311.2524.pdf이번에 읽을 논문은 Object Detection의 근간이라 할 수 있는 R-CNN이다.처음에 분량보고 쫄았는데(장장 21 page..), 찐 논문은 11 page까지고 나머지는 Appendix라 안심했다.[후기]질질~~ 끌다가 겨우 다 읽었다.일단 detection 논문은 처음이라... 읽다가 IoU? mAP? Hard negative mining? 하면서찾으면서 읽느라 좀 오래 걸렸다.논문 내용 자체야 예전에 따로 공부하며 알아서 비교적 이해는 쉬웠다.머신러닝 기술인 S..

논문 핵심 : 기존 피부 수분 측정 장비는 크고 비싸고 반복 측정이 불가능하지만, 이 논문에서는 비침습적이고, 열 이동을 기반으로 빠르고, 장거리(10m) 통신이 되는 블루투스 저에너지 SoC 센서를 개발했다. 이는 표피와 진피의 수분 정도를 정량적으로 측정할 수 있다. Introduction아토피, 피부의 건조함은 세계 인구의 상당수가 겪는 병이며, 피부의 수분이 중요하다.기존의 방법은 피부의 증기압 측정(TEWL)을 하거나, 피부의 고주파 전기적 특성으로 수분을 측정했다.그러나 이는 비싸기도 하고, 측정자에 따라 결과가 바뀔 정도로 민감하다.본 논문의 센서는 다음과 같은 이점이 있다.장거리 통신, 샘플링 레이트 빠름작고, dual-sided sensor다중 측정, 사용자에게 최소한의 이물감(느낌)진피..

연구 핵심 : C-PCL 드레싱은 상처 보호, 세포 재생과 더불어서 pH에 따라 색이 변해서 진단이 쉽다.녹색 LED와 광다이오드를 통합해서 색상 변화를 정밀하게 측정할 수 있고, 이를 무선으로 모니터링할 수 있다. Introduction상처 관리는 중요하다. 최종적 목표는 상처를 낫게 하고, 합병증을 예방하고, 상처 경과를 지켜보며 결과적으로 환자의 삶의 질을 높이는 것이다.전통적인 상처 드레싱은 상처를 낫게하는 것에는 도움이 되지만, 실시간 관찰에는 어려움을 줬다.(아마 상처 드레싱을 하면 상처가 덮이게 되어 관측이 어려워서 그런듯) 상처의 정도를 판별할 때는 pH를 관측하면 된다.염증, 감염이 진행되면 pH가 9까지 높아지고, 상처가 나으면서 pH는 5.5~6.5까지 떨어진다.pH 관측 방법은 크게..

Introduction기존 E-textile(전자 섬유)는 긴 섬유를 기반이라 시간이 오래 걸리고 성능이 온전하지 못하다.레이저 유도 그래핀 합성(LIG) 기술이 최근 그래핀 생산의 대안적 방법으로 관심받고 있다.강도가 높은 케블라를 주 재료로 다양한 실험이 이뤄졌지만, CO2 레이저 등을 사용한 실험은 섬유에 변형이 많아 실제로 사용하기엔 부적합했다.이 실험에서는 근적외선 펨토초 레이저 초단파를 사용해 다양한 섬유 구조(부직포, 니트, 직물)를 제작한다.종류부직포니트직물특징강도 높음, 외부 자극에 반응 적음잘 늘어남격자 구조가 있어 구부러짐 감지 가능용도에너지 저장, 온도 센서동작 감지 센서음성 인식 센서Direct Laser Writing of LIG on Kevlar in Ambient Condit..

IntroductionSweat rate - 건강 지표로 중요기존 방식1) whole-body wash - 엄격한 실험실 조건 필요2) absorbent pad - regional sweat rate 측정 가능, 실험실 분석 필요, real-time 제공 안됨3) Microfluidic system - 시각적 분석 가능, 보호 장비가 이러한 분석을 제한4) wearable conductivity(전도도) sensor - real-time sweat rate 가능, contact를 해야하므로 염분 축적, 오염 부식되면 영향 받음4) calorimetric sensing(칼로리 측정) - 직접 sweat에 접촉해야 하므로 세척 및 살균 필요, power consumption 커서 배터리가 커야 함이 논문의 ..