Deep Learning through deep learning

해당 논문링크 https://openaccess.thecvf.com/content_ICCV_2019/papers/Liu_Coherent_Semantic_Attention_for_Image_Inpainting_ICCV_2019_paper.pdf 어느덧 대학 졸업을 앞두고 석사의 길로 발을 들이게 되었다. 어깨 너머로 박사님, 석사님 혹은 같은 인턴들을 여럿 보아오면서 기존의 공부 방식에 대한 고민을 하게 되었다. 딥러닝이라는 분야 속 이미지관련 영상처리 분야를 혼자 독학하기도 하고, 교수님의 지도를 받고, 비슷한 처지의 사람들의 조언을 받으면서 어찌어찌 공부를 해온 것이 지난 1년 6개월 부터이다. 그러던 와중에 이제는 프로그래밍의 구현 및 창조밖에 답이 없을까 싶은 시기에 비슷한 목표를 가진 석사형의 조..

GAN에 대해 실습을 통해 어느정도 시각적으로 이해가 되었으리라 생각한다. 제목을 보고 갑작스럽게 넘어가는것에 대해 당황 할 수도 있으리라 생각하지만, DCGAN 이후 등장하는 CGAN > Pix2Pix 모델같은 경우에는 단순 조건 추가이거나, 한 쌍의 이미지가 필요하듯이 제한적인 요소가 많다. 자체적으로 데이터를 만들어 확실한 결과를 뽑기 위해선 이 두 단계의 모델을 건너뛰고자 한다. (물론 이 글을 읽는 분들은 이미 두 모델에 대한 이론적 지식이 충분할 것이라고 생각한다.) CycleGAN에서는 초기 GAN을 소개할 때 언급했던 이미지 복원이라는 목표를 가능하게 한다. 서론이 길었으니 일단 이론부터 살펴보자. Theory DCGAN 이후의 모델에 대한 세 줄 요약 들어가겠다. CGAN - 라벨 정보를..

GAN 모델은 연구실 과제로 시작되어 논문까지 함께한 모델이다. 수많은 blog, kaggle, github, paper with code 등을 찾아보며 반년을 고심한 끝에 GAN 모델에 대해 어느정도 체계가 잡혔다. 지금까지 연구해온 GAN 모델에 대한 데이터셋을 만드는 과정에서부터 내가 원하는 결과를 뽑아내는 것까지 자세하게 다뤄보고자 한다. 모델의 단계는 다음과 같다. 1. GAN GAN, WGAN, WGAN-GP, LSGAN 순의 모델들이 있다. 이미지 생성 모델의 근간이 되는 모델로서, 이미지 생성까지의 과정만을 다룬다. 2. CGAN CGAN, DCGAN, Pix2Pix, CycleGAN 순의 모델들이 있다. 조건을 추가한 이미지 생성 모델로서, 이미지 생성에 그치지 않고 원하는 스타일의 이미..