5
#Deep Learning
머신러닝
September 5, 2026
객체 탐지 및 의미론적 분할 기초 — 이미지에서 "무엇이 어디에 있는지" 파악하기
객체 탐지는 사물 주변에 상자를 그리고, 의미론적 분할은 의미에 따라 모든 픽셀에 색을 입힙니다. 이 둘의 차이점부터 인스턴스 분할과 파노라마 분할, R-CNN에서 YOLO, DETR, DINO로 이어지는 계보, 그리고 3D 포인트 클라우드 기반 알고리즘에 이르기까지, 장면 이해의 기본 원리를 체계적으로 살펴봅니다.
Fundamentals · 22 분 읽기 머신러닝 September 4, 2026SegFormer 완벽 가이드 — 위치 인코딩이 없는 트랜스포머가 세그멘테이션에 효과적인 이유
본 논문은 NVIDIA, 홍콩대학교 및 공동 연구진이 NeurIPS 2021에서 발표한 SegFormer를 원 논문을 기반으로 분석합니다. 위치 인코딩이 없는 계층적 MiT 인코더, 파라미터 효율적인 All-MLP 디코더, 유효 수용 영역, 측정된 mIoU, 파라미터 개수를 살펴보고, B0에서 B5까지의 과정을 방정식으로 계산합니다.
Fundamentals · 15 분 읽기 머신러닝 September 4, 2026YOLO11 심층 분석 — YOLOv8과 비교하여 C3k2 및 C2PSA는 어떻게 변경되었습니까?
공식 문서와 1차 자료를 사용하여 Ultralytics YOLO11을 분석합니다: C3k2, C2PSA, 앵커 없는 검출, DFL/CIoU 손실, 그리고 n/s/m/l/x에 대한 측정 벤치마크.
Fundamentals · 17 분 읽기 머신러닝 September 4, 2026머신러닝 입문: 신경망 기초
신경망은 아핀 변환과 비선형 활성화 함수를 쌓은 다음, 역전파와 기울기 기반 최적화를 통해 손실을 줄입니다.
Fundamentals · 7 분 읽기
기술 동향
July 17, 2026
SLAM의 기술 동향
필터 기반 방식부터 그래프 최적화, 그리고 이제는 학습 기반의 AI 네이티브 접근 방식에 이르기까지, SLAM(동시 자기 위치 추정 및 지도 작성)의 계보와 현재 연구 현황을 살펴봅니다.
Trends · 12 분 읽기