논문리뷰

Abstact 기존의 주요 시퀀스 변환 모델들은 복잡한 RNN(순환 신경망)이나 CNN(합성곱 신경망)을 기반으로 하며, 인코더와 디코더를 포함.기존의 가장 성능이 좋은 시퀀스 변환 모델들 또한 인코더와 디코더를 Attention 메커니즘을 통해 연결하는 구조.이 저자들은 RNN, CNN을 완전히 배제하고 Attention을 기반으로 한 Transformer모델을 제안.Transformer 모델은 더 좋은 품질, 더 좋은 병렬성, 더 짧은 학습시간을 자랑하며 SOTA (State Of The Art)모델에 등극. (WMT 2014 Englishto-German translation, WMT 2014 English-to-French translation)1. Introduction 기존 RNN계열 모델들의..

모델의 이름 "YOLO: You Only Look Once"에서 알 수 있듯이, YOLO모델은 이미지를 단 한번만 보고 객체를 감지하고 분류한다는 특징을 가지고 있다.  전통적인 객체 탐지 시스템들이 여러 단계를 거치며 여러 번 이미지를 확인하는 것과 반대로, YOLO는 전체 이미지를 한 번만 처리하여 속도와 효율성을 극대화한다.  이러한 접근 방식으로 인해 YOLO는 실시간 처리가 가능하고 빠른 속도를 자랑한다. YOLO(You Only Look Once) 시스템의 논문은 객체 인식을 회귀 문제로 재구성하여 실시간으로 이미지에서 객체의 위치와 종류를 예측하는 새로운 방법을 제시한다. 소개 (Introduction) 사람은 시각을 통해 어떠한 사물이나 이미지를 보았을 때, 즉각적으로 이미지 내 객체를 인..