Python 데코레이터가 함수 호출 전후를 감싸는 방식과 __add__ 같은 매직 메서드가 객체 프로토콜을 정의하는 차이, 설계와 테스트 기준을 설명합니다.

Saliency Map이 class score를 입력 픽셀로 미분해 민감도를 표시하는 원리와 class visualization의 차이, 전처리, 안정성, 해석 한계를 설명합니다.

PEP 8을 들여쓰기, 줄바꿈, import, 공백, 이름, 조건문별로 적용하고, 자동 포맷과 기존 프로젝트 일관성이 충돌할 때의 코드 리뷰 기준을 설명합니다.

Grad-CAM이 target class gradient를 마지막 convolution feature의 가중치로 바꾸는 원리, hook, gradient 초기화, overlay 오류와 해석 한계를 설명합니다.

백혈구 4종 이미지 분류에서 폴더 class index, 환자, 이미지 분리, confusion matrix와 CAM으로 데이터 누수, 배경 지름길을 점검하는 방법입니다.

CAM이 마지막 convolution feature와 GAP 뒤 분류 가중치로 class별 heatmap을 만드는 원리, 구조 조건과 배경 지름길, 해상도 한계를 점검합니다.

EfficientDet이 BiFPN의 양방향 연결과 학습 가능한 융합 가중치, backbone, feature, head, 입력을 함께 키우는 scaling으로 효율을 높인 원리를 설명합니다.

EfficientNet compound scaling이 depth, width, resolution을 함께 키우는 이유와 base model, 연산 예산, 실제 지연을 함께 판단하는 기준을 정리합니다.

DCN이 일반 convolution의 sampling 좌표를 학습 가능한 offset으로 바꾸는 수식과 bilinear interpolation, Deformable RoI Pooling의 진단법을 정리합니다.

CornerNet의 corner heatmap, pooling, embedding, offset이 anchor 없이 box를 만드는 원리와 후보 조합, 밀집 장면의 실패 조건을 정리합니다.