apt(Advanced Packaging tool) update - 설치 가능한 패키지 리스트를 최신화 upgrade - 실제 업데이트 $ sudo apt update > 리스트만 최신화 $ sudo apt install curl $ curl --output anaconda.sh https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh $ sha256sum anaconda.sh $ bash anaconda.sh $ sudo vim ~/.bashrc # a 쓰기, :wq 저장 후 나가기, :q 나가기 export PATH=~/anaconda3/bin:~/anaconda3/condabin:$PATH $ source ~/.bashrc $ cond..

DeepFusion: Lidar-Camera Deep Fusion for Multi-Modal 3D Object Detection (CVPR 2022) Abstract 일반적인(prevalent) multimodal 방법[PointPainting, PointAugmenting]들은 단순히 LiDAR point cloud에 카메라 특징을 추가하고 이를 기존 3D detection model에 직접 입력한다. 연구에 따르면 raw LiDAR point 대신 deep lidar feature를 camera feature와 fusion하면 성능이 향상될 수 있을 보였다. 하지만 이러한 feature들은 augmented 및 aggregated 되므로, 어떻게 두 modality간의 변형된 feature를 효과적..

forward = lambda x: self.forward(x)[0] if isinstance(m, (Segment, Pose)) else self.forward(x) 'lambda'는 python에서 익명 함수를 정의하는 키워드이다. 이 코드에서는 forward라는 이름의 lambda 함수를 정의하고 있다. 이 함수는 x라는 인자를 받아들인다. ex) (lambda x,y: x+y)(10,20) = 30 isinstance(m , (Segment, Pose)) - 'm'의 instance가 Segment혹은 Pose와 동일한가? True or False

Self-Supervised Generalisation with Meta Auxiliary Learning 중.. Learning with auxiliary tasks can improve the ability of a primary task to generalise. 보조 task와 함께 학습하는 것은 primary task의 일반화 능력을 향상시킬 수 있음. Intro Auxilairy learning is a method to improve the ability of a primary task to generalise to unseen data, by training on additional auxiliary tasks alongside this primary task. auxiliary learn..

Exponential 함수를 사용하게 될 경우 발생할 수 있다. (추후 이유 정리) 해결 방안으로 Clamp함수를 사용해 torch.exp(torch.clamp(x, max=88))로 값을 제한하기 참고 블로그 : https://data-newbie.tistory.com/852

CGAN을 공부해 보자. GAN $$_{\ G}^{min}\ _{\ D}^{max}\ V(D, G)\ =\ \mathbb{E}_{x\sim p_{data}(x)}[log D(x)]\ +\ \mathbb{E}_{z\sim p_{z}(z)}[log (1-D(G(z)))]$$ 지난번 공부했던 [GAN] Generative Adversarial Nets은 생성모델 G가 real data분포를 따라가며 판별모델 D를 속여서 그럴싸한 데이터를 생성해 내는 모델이었다. 이때 생성모델 G는 랜덤한 vector z를 입력으로 받아 무작위로 생성하므로 원하는 데이터를 뽑아낼 수 없었다. CGAN에서는 이 부분을 보완한다. CGAN $$_{\ G}^{min}\ _{\ D}^{max}\ V(D, G)\ =\ \mathbb{E..