log
Computer vision
개·고양이 얼굴 탐지: SSDLite320과 YOLOv8n을 같은 조건에서 비교하기Cat and Dog Face Detection: Comparing SSDLite320 and YOLOv8n Under the Same Conditions
Oxford-IIIT Pet 얼굴 박스로 SSDLite320과 YOLOv8n을 학습 조건을 맞춰 비교했다. 차이는 mAP@0.5가 아니라 높은 IoU의 박스 정밀도와 추론 속도에서 났다.Comparing SSDLite320 and YOLOv8n on Oxford-IIIT Pet face boxes with matched training conditions. The gap was not in mAP@0.5 but in box precision at high IoU, and in inference speed.
축구 경기 Semantic Segmentation에서 클래스 불균형 다루기 (U-Net++)Handling Class Imbalance in Soccer Semantic Segmentation (U-Net++)
공처럼 작은 클래스가 fold마다 IoU 0으로 무너진 원인을 시드 실험으로 좁히고, CE + Dice + 클래스 가중치로 해결한 실험 기록.Why tiny classes like the ball scored IoU 0 in some folds, how a seed experiment pinned the cause on unstable training, and how CE + Dice + class weights fixed it.
자율주행 차량은 어떻게 주변 장면을 이해할까요?How Do Self-Driving Cars Understand the Scene Around Them?
Semantic·Instance·Panoptic Segmentation이 각각 무엇에 답하는지, Panoptic이 둘을 어떻게 합치는지, Mask2Former 예제로 정리한다.Semantic, instance and panoptic segmentation compared — what each one answers, how panoptic combines them, and a Mask2Former example.
SSD300과 YOLOSSD300 and YOLO
SSD300과 YOLOv1을 격자와 박스라는 두 축으로 비교하고, YOLO가 v1부터 YOLO26까지 이전 버전의 약점을 어떻게 고쳐왔는지 따라간다.Comparing SSD300 and YOLOv1 on two axes — grids and boxes — and following how each YOLO version from v1 to YOLO26 fixed the previous one's weakness.
ResNet (Residual Network)ResNet (Residual Network)
깊을수록 오히려 학습이 안 되는 Degradation 문제를, 차이만 배우는 Residual Block과 Skip Connection으로 푼 ResNet 정리.Why deeper plain networks got worse (the degradation problem) and how ResNet fixed it by learning only the residual with skip connections.
GoogLeNet (Inception v1)GoogLeNet (Inception v1)
Inception 모듈과 1×1 병목, GAP, 보조 분류기로 깊이는 늘리고 비용은 줄인 GoogLeNet 정리.GoogLeNet went deeper while cutting cost with Inception modules, 1×1 bottlenecks, global average pooling and auxiliary classifiers.
VGGNetVGGNet
3×3 합성곱만 깊게 쌓아 "깊이가 성능을 좌우하는가"에 답한 VGGNet의 아이디어, 한계, PyTorch 활용법.VGGNet answered "does depth matter?" by stacking only 3×3 convolutions — the idea, its limits, and how it is used today in PyTorch.
AlexNetAlexNet
ReLU·GPU·Dropout·데이터 증강으로 거대한 CNN을 실제로 학습시킨 AlexNet 정리와 PyTorch 코드.How AlexNet made a large CNN trainable in practice with ReLU, GPUs, dropout and data augmentation, plus PyTorch code.