Most read articles on my blog
Motivation for development 군대에서 알고리즘을 공부하면서 에 해당 내용들을 정리하기 시작했다. 알고리즘 특성 상 서로 연관되어 있는 경우가 많다 보니, 실제로 내가 정리한 알고리즘을 찾아볼 때 해당 문서를 찾고 검색하는 과정이 복잡하고 귀찮았다. 또한 에 정리한 내용들이 점점 많아지면서 이것들을 따로 정리 및 요약하고 하는 기능을 만들고 싶어졌다. 그래서 내가 직접 파일을 찾는게 아나라, 인터넷에 검색하는 것처럼 내 문서를 바탕으로 한 검색 엔진 기능과
📚논문 보러가기 Abstract U-Net은 적은 양의 학습 데이터로도 높은 정밀도의 세분화를 수행할 수 있는 CNN 구조이다. U-Net의 목표는 Classfication이 아니라 Segmentation이다. 즉, 각 픽셀이 어떤 의미(클래스)에 속하는가를 학습하여 Mask 이미지를 결과물로 반환한다. (Ex, 세포 세분화, 뇌 MRI 영역 구분, 도로 차선 탐지 etc..) 기존의 딥러닝 모델은 수천~수만 장
Motivation 대부분의 서비스에 저장기능이 필수 기능으로 자리잡히면서 사람들은 머리속에 저장하지 않는 일이 발생했습니다. 나중에 봐야겠다 생각하고 저장해두는 콘텐츠들이 막상 필요할 때 어디에 저장했는지, 어떤 제목을 가지고 있는지도 모르는 상황이 주변에 여럿 발생했습니다. 그래서 우리는 저장하는 콘텐츠를 찾기 쉽게 만들고, 사용자가 해당 내용을 온전히 자신의 것으로 만들 수 있도록 돕고자 했습니다. Info 본인은 교내 동아리 Leets 5기 FE ItoR로 활동하였다. Li
📚논문 보러가기 📚코드 보러가기 Abstract CNN의 기본은 convolution 연산이다. 이 연산은 공간(spatial) 정보와 채널(channel-wise) 정보를 지역적인 receptive field(kernel 크기) 안에서 융합하여 유용한 특징을 추출한다. 최근 연구들은 공간적 표현(spatial encondig)을 개선하여 네
📚논문 보러가기 연구 배경 고혈압성 뇌출혈(HICH)은 골든타임이 중요한 위험한 질환이다. HICH의 치료 방법은 뇌천자 드릴과 튜브를 사용하여 두개골에 구멍을 내고 고인 피를 뽑아내는 것이다. 기존 수술의 경우 의사가 모니터 화면을 환자를 번갈아 보며 감으로 위치를 잡아야 해서 시간이 오래 걸리고 정확도가 떨어질 수 있다. 기존 연구들에서는 정형외과, 척추 수술, 암 병변 위치 파악 등 다양한 분야에서 이미