본문 바로가기

분류 전체보기87

하루 만에 배우는 안드로이드 앱 만들기 with 코틀린 - 4주차 Chapter 5 서비스 배포하기1. 디바이스 테스트안드로이드 폰 설정해서 단말기 설정을 함.  2. 구글 개발자 등록앱을 만들어 판매 또는 배포를 하려면 구글 개발자 콘솔 사이트에 개발자 등록을 해야함 3. 구글 플레이 배포구글 개발자 콘솔 사이트에 개발자 등록을 했다면 앱을 배포해야함 bulid > generate signed bundle / APK... android app bundle 은 안드로이드 앱의 배포 형식 중 하나. android app bundle 은 APK 대신에 앱의 리소스와 코드를 최적화하여 디바이스의 특성에 맞는 최소한의 리소스만 포함하도록 해 앱의 용량을 줄이고 디바이스의 저장 공간을 절약가능 1. key store path: 인증파일의 저장 경로를 선택함2.password :.. 2024. 4. 6.
[Paper Review] Quality-aware Pre-trained Models for Blind Image Quality Assessment Abstract BIQA(Blind Image Quality Assessment) 는 단일 이미지의 지각된 품질을 자동으로 평가하는것을 목표로 함 ( 참조 이미지 없이 이미지의 품질 평가) but, label이 지정된 데이터의 부족은 BIQA 방법을 제한함본 논문에서는 BIQA를 위한 전처리 작업으로  self-supervised learning manner 사용해 더 많은 데이터에서 표현을 학습할 수 있는 방법을 제안 학습과정을 제약하기 위해 간단한 가정을 바탕으로 한 품질 인식대조손실을 제안함.  왜곡된 이미지에서 추출된 패치들의 품질은 유사해야하지만, 서로 다른 왜곡을 가진 같은 이미지의 패치들과는 다르며 다른 이미지들의 패치들과는 달라야함 Introduction 이미지 품질은 서비스 제공자가 사용.. 2024. 4. 2.
하루 만에 배우는 안드로이드 앱 만들기 with 코틀린 (2주차) Chapter 3 1. 뷰의 개념 뷰는 앱 화면에 보이는 모든 것들. 모든 요소들의 기본이 되며, 그 모든 요소들은 뷰 클래스가 상속받아져야 함 TextView: 텍스트가 보이는 뷰 EditText: 텍스트를 입력받을 수 있는 기능이 있는 뷰 Button : 일반적으로 안드로이드 앱에서 볼 수 있는 클릭 기능이 포함된 뷰 ImageView : 이미지를 입력하여 나타내는 뷰 CheckBox : 다중 항목 중 선택의 유무를 체크할 수 있는 뷰 RadioButton: 선택 항목 중 하나만을 선택할 수 있는 뷰 2. 레이아웃 화면을 구성하는 형태 LinearLayout : 화면 구성 요소들을 가로/세로 방향 순서로 배치되는 레이아웃 FrameLayout : 화면 구성 요소들을 중첩해 배치할 때 사용되는 레이아웃.. 2024. 3. 27.
하루 만에 배우는 안드로이드 앱 만들기 with 코틀린 ( 1주차 ) Chapter 1. Kotlin android: id : 버튼을 지정 android:layout_width: 버튼의 폭 android:layout_height:버튼의 높이 android:layout_alignParentStart:버튼을 왼쪽으로부터 배치 android:layout_alignParentTop:버튼을 위쪽으로부터 배치 android:layout_alignTop: 위쪽 정렬 android:layout_centerInParent:전체 화면이 가운데 정렬 android:layout_centerHorizontal: 수평 정렬 android:layout_centerVertical:수직 정렬 dp (dpi) px : 픽셀 pt : 포인트 Chapter 2 . 코틀린 언어 훑어보기 1. 변수(변하는 수).. 2024. 3. 20.
[Paper Review] MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications Abstract MobileNets - 모바일 및 임베디드 비전 애플리케이션을 위해 설계- 깊이별 분리 가능한 convolution 을 사용하는 간소화된 구조를 바탕으로 light weight deep neural network 구축- 지연 시간과 정확성 사이의 효율적인 절충을 가능하게 하는 두 개의 간단한 전역 하이퍼파라미터 도입     -> 제약 조건에 기반해 애플리케이션에 적합한 크기의 모델 선택 가능 2. Prior Work (작은 모델을 구축하는 이전 작업 검토)이전의 모델들은 small network 에서 latency를 최적화했지만 speed를 고려하지 못했음MobileNets - 주로 깊이별 분리 가능한 컨볼루션에서 구축됨Flattened network - 완전 분해 가능한 컨볼루션으로 구.. 2024. 3. 17.
[Paper Review] Noise2Noise: Learning image restoration without clean data Abstract - 기존의 신호 재구성 방식과 달리 오직 손상된 예시만을 바라보고 이미지를 복원하는 방법을 학습할 수 있는지에 대한 통계적 추론을 적용-> 손상된 데이터만을 보고 이미지 복원을 학습할 수 있고 , 깨끗한 데이터를 사용할 때보다 더 나은 성능을 보일 수 있음.  ex) 손상된 사진의 노이즈 제거, 합성 Monte Carlo images의 denoising, 샘플링이 부족한 restruction of undersampled MRI scans based on noisy data only 1. IntroductionSignal reconstruction from corrupted or incomplete measurements ; 통계적 데이터 분석의 중요한 분야-> 대규모의 손상된 입력과 깨끗.. 2024. 3. 17.

티스토리툴바