| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- dl
- cv
- Few-shot generation
- Unreal Engine
- 생성모델
- deep learning
- 모션매칭
- UE5
- GAN
- 폰트생성
- NLP
- animation retargeting
- ddpm
- WinAPI
- multimodal
- Generative Model
- Diffusion
- userwidget
- WBP
- 딥러닝
- motion matching
- CNN
- Font Generation
- 디퓨전모델
- 언리얼엔진
- ue5.4
- BERT
- RNN
- Stat110
- 오블완
Archives
- Today
- Total
목록SE-Net (1)
Deeper Learning
Squeeze-and-Excitation Networks (SE-Net)
Abstract CNN의 메인 블록은 spatial, channel-wise information를 각 layer의 local receptive fields에서 결합하여 정보를 가지고 있는 feature를 만든다. 이전 연구들은 spatial encoding을 강화하는데 집중하였지만 저자는 channel relationship에 집중하여 "Squeeze-and-Excitation"(SE) block을 제시 SE block은 adaptive 하게 channel-wise feature를 recalibrate(재교정, 재보정)한다. computational cost가 크지 않으며 ILSVRC에서 1등을 차지 1. Introduction CNN은 필터들은 spatial, channel-wise 정보를 함께 사용..
AI/Deep Learning
2021. 10. 14. 01:43