Q-learning, DQN, Policy Gradient를 상태와 행동 표현, 학습 안정성, 확률 정책 필요 여부로 비교하고 알고리즘 선택과 실패 진단 순서를 정리합니다.

AutoAugment가 증강 연산, 적용 확률, 강도를 조합해 정책을 탐색하는 원리, 검색 비용과 데이터셋 이동 시 실패 조건을 구체적으로 정리합니다.

FPN의 bottom-up, top-down, lateral connection이 여러 해상도에 강한 의미 정보를 전달하는 원리와 RPN, RoI 연결, shape 오류 점검법입니다.

FSAF의 effective, ignore 영역, classification, regression target과 Online Feature Selection이 instance별 FPN 레벨을 고르는 원리를 해설합니다.

MMDetection의 backbone, neck, head 구조와 config, checkpoint, dataset, 테스트 명령의 연결을 설명하고 오래된 예제의 mismatch를 진단합니다.

SSD가 여섯 scale에 8,732개 default box를 배치하는 이유와 matching, loss, hard negative mining, 작은 물체와 속도의 판단 기준을 정리합니다.

ROS Publisher와 Subscriber 통신이 보이지 않을 때 master, 사용자 메시지 빌드, topic list, info, echo, 구독 타입을 순서대로 확인하는 방법입니다.

라즈베리파이 Google Assistant 로봇에서 웹훅 대신 샘플 코드를 수정한 이유와 음성 입력, gTTS 응답, 시리얼 제어의 실패 지점을 정리합니다.

라즈베리파이 Google Assistant API 설정을 오디오 장치, OAuth 자격 증명, 가상환경, push-to-talk 샘플로 나눠 진단하는 2019년 기록입니다.

Xception과 MobileNet의 depthwise, pointwise convolution 공통 원리와 연산 배치, skip connection, 모바일 속도와 표현력의 선택 기준을 비교합니다.