초보 개발자의 이야기, 릿허브

Bilateral Filter 1. Introduction 우리는 일상생활에서 수많은 이미지를 접하게됩니다. 이러한 이미지들은 모두 '픽셀(pixel)'이라는 색상 정보를 포함하는 요소로 구성되어있습니다. 각 픽셀은 RGB 값으로 색상을 나타내며 각 색상의 강도(intensity)를 나타냅니다. 이 강도는 일반적으로 0~255 범위의 단일 바이트로 개별적으로 표시됩니다. 오늘 소개할 Bilateral filter(양방향 필터)는 image transformation technique의 일종으로 그 중에서도 filtering의 일종입니다. Filtering이란 이미지의 각 픽셀 값을 변경하는 것을 의미합니다. 이 "intensity" 값을 변경하는 것은 이미지의 "range"를 변경하는 것으로 표현되기도 ..

NeRF https://www.matthewtancik.com/nerf NeRF: Neural Radiance Fields A method for synthesizing novel views of complex scenes by optimizing an underlying continuous volumetric scene function using a sparse set of input views. www.matthewtancik.com 1. Introduction NeRF, Representing Scenes as Neural Radiance Fields for View Synthesis는 3D 장면을 재구성하는 새로운 방법 중 하나로 떠오른 View Synthesis 모델입니다. 사실, 대부분 사람들..

DenseNet 에 대한 논문 리뷰 https://beginnerdeveloper-lit.tistory.com/161 [논문리뷰] DenseNet (Densely Connected Convolutional Networks) DenseNet https://arxiv.org/abs/1608.06993 Densely Connected Convolutional Networks Recent work has shown that convolutional networks can be substantially deeper, more accurate, and efficient to train if they contain shorter connections between layers close beginnerdevelope..

DenseNet https://arxiv.org/abs/1608.06993 Densely Connected Convolutional Networks Recent work has shown that convolutional networks can be substantially deeper, more accurate, and efficient to train if they contain shorter connections between layers close to the input and those close to the output. In this paper, we embrace this observa arxiv.org 1. INTRODUCTION CNN(Convolutional Neural Network..

ResNet에 대한 논문 리뷰 https://beginnerdeveloper-lit.tistory.com/159 [논문리뷰] ResNet (Deep Residual Learning for Image Recognition) ResNet https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used beginnerdeveloper..

ResNet https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions with arxiv.org 1. INTRODUCTION Deep convolutional neural netw..

VGG16에 대한 논문 리뷰 https://beginnerdeveloper-lit.tistory.com/157 [논문리뷰] VGG16 (Very Deep Convolutional Networks for Large-Scale Image Recognition) VGG16 https://arxiv.org/abs/1409.1556 Very Deep Convolutional Networks for Large-Scale Image Recognition In this work we investigate the effect of the convolutional network depth on its accuracy in the large-scale image recognition setting. Our main cont..

VGG16 https://arxiv.org/abs/1409.1556 Very Deep Convolutional Networks for Large-Scale Image Recognition In this work we investigate the effect of the convolutional network depth on its accuracy in the large-scale image recognition setting. Our main contribution is a thorough evaluation of networks of increasing depth using an architecture with very small (3x arxiv.org 1. INTRODUCTION Convolutio..

1. 문제이해 https://www.acmicpc.net/problem/9507 9507번: Generations of Tribbles 꿍은 군대에서 진짜 할짓이 없다. 그래서 꿍만의 피보나치를 만들어보려고 한다. 기존의 피보나치는 너무 단순해서 꿍은 좀더 복잡한 피보나치를 만들어보고자 한다. 그래서 다음과 같은 피보 www.acmicpc.net 다음과 같은 피보나치 함수를 koong(n) (꿍 피보나치) 라고 할 때, 입력받은 n번째 꿍 피보나치를 출력하는 프로그램을 만드는 것이 목표이다. n 3 : koong(n − 1) + koong(n − 2) + koong(n − 3) + koong(n − 4) 2. 문제풀이 간단한 DP문제이다. 사실 친..

1. 문제이해 https://www.acmicpc.net/problem/17219 17219번: 비밀번호 찾기 첫째 줄에 저장된 사이트 주소의 수 N(1 ≤ N ≤ 100,000)과 비밀번호를 찾으려는 사이트 주소의 수 M(1 ≤ M ≤ 100,000)이 주어진다. 두번째 줄부터 N개의 줄에 걸쳐 각 줄에 사이트 주소와 비밀번 www.acmicpc.net 저장된 사이트 주소의 수 N(1 ≤ N ≤ 100,000)과 비밀번호를 찾으려는 사이트 주소의 수 M(1 ≤ M ≤ 100,000)이 주어진다. 두번째 줄부터 N개의 줄에 걸쳐 각 줄에 사이트 주소와 비밀번호가 공백으로 구분되어 주어지고, 그 다음 M개의 줄에 걸쳐 비밀번호를 찾으려는 사이트 주소가 주어진다. 이때, 비밀번호를 찾으려는 사이트 주소의 비..