NotStoneSeok NotStoneSeok

오늘 리뷰 해볼 논문은 MonoTDP 라는 논문이다. Monocular 3D detection 논문을 읽으며, adverse(fog, rainy.. )를 위주로 찾아보고 있다. 관련된 라이더 기반 연구들은 꽤 있지만, Monocular 3D detection 연구는 없다.  해당 논문은 ICASSP 2024 에 기제된 논문이다. 제출 포멧에 맞추기 위해서 논문을 읽어보면 아주 간소화 되어 있다.https://ieeexplore.ieee.org/document/10446148 AEAM3D:Adverse Environment-Adaptive Monocular 3D Object Detection via Feature Extraction Regularization3D object detection plays a..

오늘 리뷰할 논문은 '3D Object Detection from Images forAutonomous Driving: A Survey' 라는 논문이다.   3D Object Detection from Images for Autonomous Driving: A Survey3D object detection from images, one of the fundamental and challenging problems in autonomous driving, has received increasing attention from both industry and academia in recent years. Benefiting from the rapid development of deep learning tech..

https://arxiv.org/abs/1612.00593 PointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPoint cloud is an important type of geometric data structure. Due to its irregular format, most researchers transform such data to regular 3D voxel grids or collections of images. This, however, renders data unnecessarily voluminous and causes issues. In tarxiv.org PointNet: Deep Learning..

Logistic Regression을 배우기 전에, 기존 회귀(Regression)가 분류(Classification) 문제에서 가지는 한계를 이해할 필요가 있다.Regression의 한계 (Limitation of Regression for Classification)기존의 선형 회귀(Linear Regression) 는 연속적인 값을 예측하는 데 적합하지만, 이진 분류(Binary Classification, {0,1}) 문제에 적용할 때 다음과 같은 한계가 있다.1. 회귀 모델은 가우시안(Gaussian) 분포를 가정선형 회귀는 일반적으로 정규 분포(Gaussian Distribution, N) 를 가정이 식은 연속적인 확률 밀도 함수(PDF)를 따르지만, 이진 분류(0 또는 1)에서는 적절하지 않..

Supervised Learning Regerssion : X is discrete or continuous → Y is continuousClassification : X is discrete or continuous → Y is discrete  Regression : Y is continuous To predict the real-valued target y given a d-dimenstional vector x X : independent variable, features, predictorsY : dependent variable, outcomeEg.,스마트폰 베터리 용량 → 스마트폰 지속 시간 연애 횟수 → 초콜릿 받은 양..다르게 표현하면, from X to Y 를 가능하게 하는 funct..

K-Means K-Means  클러스터링은 기존 Hierachical methods 시간이나 비용이 많이 든다는 문제를 해결하고자 등장했다. K-means 에서 K는 클러스터의 갯수를 의미한다  목표: 주어진 데이터를 K개의 그룹으로 나누어 각 그룹이 서로 유사한 특성을 가지도록 함.입력: 데이터 포인트들의 집합과 원하는 클러스터 개수 K.출력: 각 데이터가 속한 클러스터와 각 클러스터의 중심점(centroid).  ProsEasy to understnad, implement, and operateAlways converges → 항상 수렴한다.Cons Local optimum 에 수렴할 수 있음.Sensitive to initialization → Local optimum 에 빠질 수 있기에.Sensi..

밀도 추정(Density Estimation)은 비지도 학습(Unsupervised Learning) 작업이다.목표 : 주어진 데이터로부터 확률 질량 함수(PMF, Probability Mass Function) 또는 확률 밀도 함수(PDF, Probability Density Function) 를 학습하여 기본 확률 분포 모델을 추정하는 것. Density Estimation 에 대한 개념을 익히기전, IID 는 꼭 기억하고 있어야 한다. Standard(IID) assumtion Independent of each otherComing from the same distribution indepenently identically distributed Types1. Parameteric : assumin..

프로그래머스SW개발자를 위한 평가, 교육, 채용까지 Total Solution을 제공하는 개발자 성장을 위한 베이스캠프programmers.co.kr 📌 프로그래머스 - 구명보트 (Python 풀이)문제 링크: 프로그래머스 구명보트난이도: LV.2주제: 탐욕법(Greedy), 투포인터🧐 문제 설명구명보트에는 최대 2명까지 탈 수 있으며, 무게 제한이 있음사람들의 몸무게 리스트 people와 보트의 무게 제한 limit이 주어질 때, 모든 사람을 구출하기 위한 최소 보트 수를 구하기📝 접근 방법정렬사람들의 몸무게 리스트를 오름차순으로 정렬가벼운 사람과 무거운 사람을 함께 태우는 방식으로 보트를 최소화투포인터 활용왼쪽 포인터(left)는 가장 가벼운 사람, 오른쪽 포인터(right)는 가장 무거운 사람..