| 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
- Python
- computer vision
- do it! 알고리즘 코딩테스트: c++편
- cs231n
- Adam
- dropout
- RNN
- Machine Learning
- Generative Models
- 밑바닥부터 시작하는 딥러닝
- assignment2
- CNN
- assignment1
- CPP
- 딥러닝
- Multi-Head Attention
- 밑바닥부터 시작하는 딥러닝2
- deep learning
- Algorithm
- Baekjoon
- Alexnet
- C++
- mask r-cnn
- Regularization
- BFS
- DFS
- SQLD
- Optimization
- Transformer
- marchine learning
Archives
- Today
- Total
목록2025/06/26 (1)
newhaneul
[Seoul National Univ: Computer Vision] Lecture 20. Generative Adversarial Networks 1
본 포스팅은 서울대학교 이준석 교수님의 M3224.000100 Machine Learning for Visual Understanding을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. https://youtu.be/ey-XRzU0b68?si=Uc8n2vgpCA5KmlHm Challenges with Evaluation Generative Model들은 classification 혹은 object detection과는 다르게 모델의 성능을 평가하는데 어려움을 겪는다. 생성된 이미지가 거의 실제와 비슷해지게 되면, 명확한 척도가 없기 때문에 사람의 주관성에 따라 성능 평가가 달라지는 문제가 생긴다. 즉, 인간의 지각과 완전히 일치하는 평가지표가 없다. 이미지 생성의 경우에는 현실에 없던 이미지를 모..
2. Artificial Intelligence/Seoul National Univ. Computer Vision
2025. 6. 26. 20:20