2024/0915 [Paper Review] HigherHRNet 논문 이해하기 『 HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation. CVPR. 2020. 』HRNet이 Top-Down 모델에서 굉장히 좋은 성능을 냈다고 하면, 이번에는 HRNet의 기법을 Bottom-Up 기반의 모델에 적용시킨 HigherHRNet이 등장하였다. Bottom-Up 모델은 아무래도 시간이 빠른 대신 관절의 위치를 정확히 잡는 정확도가 문제가 되었는데 High-Representation을 사용하여 그 점을 충분히 완화한 점을 보여준 논문이다. Githubhttps://github.com/HRNet/HigherHRNet-Human-Pose-Estimation GitHub - HRNet/HigherHR.. 2024. 9. 8. [혼공컴운] 9. 운영체제 시작하기 운영체제 시작하기1. 운영체제를 알아야 하는 이유지금까지는 컴퓨터 하드웨어가 어떻게 구성되어 있고, 어떤 방식으로 소통하는지에 대해 알아 보았다. 이제는 이러한 하드웨어 부품들을 관리하는 운영체제에 대해 공부해보자. 운영체제란?모든 프로그램은 하드웨어를 필요로 한다. 어떤 연산을 하기 위해서는 CPU가 필요하고, 저장을 하기 위해서는 하드 디스크가 필요하다. 이때 프로그램 실행에 마땅히 필요한 요소들을 가리켜 시스템 자원(자원)이라고 한다. 지금까지 공부한 CPU, 메모리, 입출력장치 등의 컴퓨터 부품들은 모두 자원이라고 볼 수 있다. 운영체제(Operating System)는 이러한 자원들을 실행할 프로그램에 필요한만큼 할당하고, 프로그램이 올바르게 실행되도록 돕는 특별한 프로그램이다. 운영체제도 다.. 2024. 9. 7. [Paper Review] HRNet for Human Pose Estimation 논문 이해하기 『 Deep High-Resolution Representation Learning for Human Pose Estimation. CVPR. 2019. 』나는 HRNet 논문을 읽었다고 생각했다. 실제로 블로그 리뷰도 올린적이 있었고 코드 사용하는데에도 문제가 없었으니까. 그런데 얼레 이후 논문들을 보다가 인용된 Reference를 보다보니 이상한점이 좀 있었다. 논문 이름이 다르네....? 그렇다 나는 멍청했던 것이다. 내가 사용한 Pose Estimation Task 속에서의 HRNet은 이 논문에서 시작된 것이라는 걸... 그래서 Pose Estimation 분야를 정복하기 위해 이논문을 제대로 읽고 이전에 리뷰했던 내용도 재검토 해보기로 마음을 먹었다. 같은 실수를 반복하지 않기 위해 이제는 논.. 2024. 9. 6. [Paper Review] Simple Baselines 논문 이해하기 『 Simple Baselines for Human Pose Estimation and Tracking. ECCV. 2018. 』이번 논문은 2018년 ECCV에 Accept된 Simple Baselines 논문이다. 후속 Pose 논문들을 보다 많은 논문들이 이 논문을 Reference하고 있어 관심이 갔다. Tracking보다는 Pose Estimation 자체에 관심이 많아 해당 분야 쪽으로 서술을 진행하도록 하겠다. Githubhttps://github.com/Microsoft/human-pose-estimation.pytorch GitHub - microsoft/human-pose-estimation.pytorch: The project is an official implement of our .. 2024. 9. 5. [Paper Review] CPN 논문 이해하기 『 Cascaded Pyramid Network for Multi-Person Pose Estimation. CVPR. 2018. 』이번에 소개할 논문은 FPN 구조를 발전시켜 Multi-Person Pose Estimation Task에 적용시킨 CPN 논문이다. 이번 논문 리딩은 빠른 이해를 위해 아래의 참고자료 블로그를 한번 쭉 읽고 난 후 논문 리딩을 시작하였다. 여러 모델의 핵심 기법들을 합쳐 더 좋은 성능을 내는 모델을 만들었다는 특징을 가지며 그렇기에 논문의 내용이 그렇게 어렵지 않았다. 참고자료https://velog.io/@haejoo/Cascaded-Pyramid-Network-for-Multi-Person-Pose-Estimation-%EB%85%BC%EB%AC%B8-%EC%A0%95.. 2024. 9. 4. [Paper Review] Stacked Hourglass 논문 이해하기 『 Stacked Hourglass Networks for Human Pose Estimation. ECCV. 2016. 』이번에 소개할 논문은 Human Pose Estimation에서 성능을 높일 수 있는 방법론을 소개한 Stacked Hourglass Network 논문이다. 본 논문에서는 Pooling과 Upsampling을 통해 원하는 Joint Location의 Heatmap을 예측하는 모델을 소개한다. 언뜻보면 U-Net의 방법론과 비슷하며 AutoEncoder, VAE 등 무언가 정보를 잘 집약하고 다시 풀어주는 형태의 연구가 해당 시기에 많이 이루어진 것으로 보인다. Paperswithcodehttps://paperswithcode.com/paper/stacked-hourglass-net.. 2024. 9. 3. 이전 1 2 3 다음
