만땅이의 서랍장

#문제:https://school.programmers.co.kr/learn/courses/30/lessons/12926 def solution(s, n): answer = [] tmp = '' letter_upper = list("ABCDEFGHIJKLMNOPQRSTUVWXYZABCDEFGHIJKLMNOPQRSTUVWXYZ") letter_lower = list("abcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyz") for i in s: for k in range(0,26): if i == letter_upper[k]: tmp = str(letter_upper[k+n]) answer.append(tmp) elif i == letter_lower[k]: tmp..

# 문제: https://school.programmers.co.kr/learn/courses/30/lessons/70128 def solution(a, b): answer = 0 for i in range(len(a)): answer = answer + a[i] * b[i] return answer

# 문제: https://school.programmers.co.kr/learn/courses/30/lessons/62048 import math def solution(w,h): total = w*h cal = (w+h-math.gcd(w,h)) answer = total - cal return answer

# 문제 : https://school.programmers.co.kr/learn/courses/30/lessons/12977 from collections import deque tmp = [] def do_something(comb): return list(comb) def dfs(comb: deque, depth: int): M = 3 if len(comb) == M: # 종료 조건 1 : M개를 모두 선택했을 때 tmp.append(do_something(comb)) # 선택 후의 알고리즘 호출 return elif depth == len(some_list): # 종료 조건 2: 리스트의 마지막 까지 탐색했을 때 return # 현재 depth의 값 포함 재귀 호출 comb.append(some_..

# 문제: https://school.programmers.co.kr/learn/courses/30/lessons/42840 def student_answer(answers): student_1,student_2,student_3 = [],[],[] #수포자1,2,3 정답지 설정 tmp = [1,2,3,4,5] for i in range(0,len(answers)): student_1.append(tmp[i%5]) tmp = [2, 1, 2, 3, 2, 4, 2, 5] for i in range(0,len(answers)): student_2.append(tmp[i%8]) tmp = [3, 3, 1, 1, 2, 2, 4, 4, 5, 5] for i in range(0,len(answers)): stude..

# 문제 https://school.programmers.co.kr/learn/courses/30/lessons/42888 global dic dic = {} def nick_name_update(ID,nick_name): ## 닉네임 저장 dic[ID] = nick_name return def solution(record): answer = [] tmp_answer = [] ## 닉네임 업데이트 by dict for i in record: action = i.split(sep=' ') if action[0] == 'Enter': nick_name_update(action[1],action[2]) tmp_answer.append([action[0],action[1]]) elif action[0] == '..

목차 0. Abstract 고성능 비전 트렌스포머를 이미지 이해 작업 처리하는데 사용함 86M 파라미터를 이용하여 ImageNet에서 top-1 accuracy를 83.1% 달성 1. Introduction - Convolution 신경망 ( Imagenet) - Natural Language Processing에서 attention-based models 활용 - 최근에는 여러 연구자가 비전과제를 해결하기위해 hybrid architecture를 사용하는데, transformer 성분을 Conv-Net에 적용 ex) The vision transformer (ViT) introduced by Dosovitskiy et al. - Natural Language Processing (Vaswani et a..

Abstract NormGrad 를 이용하여 Chest X-Ray데이터에 이물질 검증 정확도 0.862의 성능 1. Introduction 이로 인해 이미지에 이물질이 나타나므로(JFHealthcare, 2020) 진단이 어려움 여러 논문들이 좋은 화질과 나쁜 화질을 구별하는 것을 목표로 하는 분류기를 만듬 > But 오분류 생성 가능 > 이것을 해석하는 것이 검출 정확도를 향상시키는 열쇠 컴퓨터 비전에서는 이를 해결하기위해 1) 사후 설명 방법에 의한 시각적 설명

목차 0. Abstract - 컴퓨터 진단도구(CAD)를 설계하는데 있어서, 폐 자동분할은 중요함. - 정확한 분할을 위해 DeepLabv3+ 네트워크를 시도함 * DeepLabv3+ : DeepLab 아키텍쳐, 인코더-디코더, 의미론적 폐 세분화를 통합하는 네트워크 Resnet18과 Mobilenetv2로 비교함 - 전처리 전혀 필요 없음 - 결핵, 만성 폐쇄성 폐질환, 간질성 폐질환 환자, 건강이 해로운 심각한 데이터셋을 포함 - 테스팅 : Montgomery County 와 Shenzhen 데이터 사용 1. Introduction - 다양한 폐질환에 널리 사용됨. - 엑스레이를 이용한 해석은 전문가의 전문성에 크게 좌우됨 - CAD는 해석을 자동화하고, 인력부족을 채우는데 많은 도움이 됨. - CA..

논문 제목: Automated Image Quality Evaluation of Structural Brain MRI Using an Ensemble of Deep Learning Networks 배경 : 뇌 MRI 이미지의 품질평가 / 연구타입: 후향적 연구 / Population : 자폐증 환자들의 뇌 이미지 1064개와 ABIDE 데이터셋 포함 * 후향적 연구란? 이미 알고 있는 결과에 대한 과거를 추적한다. Abtrast - 자기공명영상(MRI)은 다양한 신경 질환을 조사하기 위해 가장 일반적으로 사용되는 방사선 촬영장비 - 다운스트림 분석에 영향을 미칠 수 있는 낮은 품질의 이미지를 제외하기 위해 이미지 품질 평가가 필요 - 자동화된 품질 평가 절차는 특정 이미지 품질 메트릭(IQM)을 계산하고..