본 저장소는 딥러닝프로그래밍 교과목에서 수행한 Lab 1~7 과제를 정리한 것입니다.
각 Lab은 다음 세 가지 구성으로 이루어져 있습니다.

• pre-report: 지정된 원 논문을 1페이지로 요약한 PDF
• final-report: 구현 결과 및 분석 내용을 담은 PDF
• ipynb: 모델 구현 및 실험 코드

• 원 논문: Deep Residual Learning for Image Recognition (CVPR 2016)

• ResNet 학습 실험 요약
• 다양한 augmentation 조합 비교
• BatchNorm gamma 초기값 설정 영향 분석

• ResNet 구현 및 실험 코드

• 원 논문: Faster R-CNN (NIPS 2015)

• Faster R-CNN 구조 구현
• YOLO-style 손실 함수 구현 및 분석

• 모델 구성, 데이터 전처리, 손실 계산 및 학습 코드

• 원 논문: Fully Convolutional Networks (CVPR 2015)

• FCN 기반 semantic segmentation 구현
• 시각화 및 주요 성능 분석

• FCN 모델 구현 및 실험 코드

• 원 논문: An Image is Worth ×ばつ16 Words (ICLR 2021)

• Vision Transformer 모델 분석
• Attention 및 position embedding 시각화

• ViT 모델 구현 및 실험 코드

• 원 논문: Perceptual Losses for Real-Time Style Transfer (ECCV 2016)

• NST와 Fast NST 비교
• Content–style alpha 변화에 따른 결과 분석

• NST 및 Fast NST 구현과 시각화 실험

• 원 논문: Generative Adversarial Networks (NeurIPS 2014)

• DCGAN 모델 구현
• 생성 이미지 및 학습 과정 분석

• DCGAN 학습 루프 및 시각화 코드

• 원 논문 (Pix2Pix): Image-to-Image Translation with Conditional Adversarial Networks (CVPR 2017)
• 원 논문 (CycleGAN): Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (ICCV 2017)

• Pix2Pix(paired) 및 CycleGAN(unpaired) 구조 구현
• 손실 함수 구성(Adversarial / L1 / Cycle-consistency 등) 및 학습 안정화 요소 분석
• 변환 결과 시각화 및 paired vs unpaired 설정 비교

• Pix2Pix 및 CycleGAN 구현과 시각화 실험

DLP/
├── 01/ # Lab 1
├── 02/ # Lab 2
├── 03/ # Lab 3
├── 04/ # Lab 4
├── 05/ # Lab 5
├── 06/ # Lab 6
├── 07/ # Lab 7
└── README.md