Machine Learning Research

논문제목: A generic deep-learning-based approach for automated surface inspection 주저자:  Ren, R.; Hung, T.; Tan, K.C. ( National University of Singapore) 본 논문은 이미지를 분석하여 철판, 나무 등의 표면에 이상여부를 검사하는 기술에 관한 것이다. UC Berkeley 의 DeCAF CNN 구조를 backbone 으로 채용하고, feature extraction network 의 파라메터를 DeCAF 로 부터 그대로 복사해 온 후, classifier 및 segmentator 만 재구성하여 전체 기술 구조를 설계하였다. 이렇게 하면 backbone network parameter 를 학습하지 않아도 되므로, 적은 양의 학습 데이터 만으로 전체 네트워크 학습이 가능하다.

논문제목: Automatic metallic surface defect detection and recognition with convolutional neural networks 주저자:  Xian Tao. (Chinese Academy of Sciences )

본 글은 강화학습의 전체적인 개요에 대한 글입니다 (논문 리뷰 아님).

논문제목: Learning Transferable Architectures for Scalable Image Recognition 주저자:  Barret Zoph ( Google Brain) Abstract a method to learn the model architectures  directly on the dataset of interest. we propose to search for  an architectural building block on a small dataset and then  transfer the block to a larger dataset. “NASNet search space” which enables transferability. In our experiments, we search for the best convolutional layer (or “cell”) on the CIFAR-10 dataset and then apply this cell to the ImageNet dataset by stacking together more copies of this cell, each with their own parameters to design a convolutional  architecture, which we name a “NASNet architecture”. We also introduce a new regularization technique called ScheduledDropPath that significantly improves generalization in the NASNet models. Although the cell is not searched for directly on ImageNet, a NASNet constructed from the best cell achieves, among the published works...

본 블로그는 인공지능/기계학습 논문 리뷰, 기술 개요 등에 대한 글을 담고 있습니다. Home:  www.kaier.co.kr Linkedin:  https://www.linkedin.com/in/kyohyuk-lee-80aa41127/ E-mail: kyohyuk.lee@gmail.com