# X-ray

hongjunjeon

AWS CodeCommit 완전 관리형 소스 제어 서비스로서 기업이 안전하고 확장성이 뛰어난 Git 레포지토리 호스팅 지원, 기존 Git 도구 사용 가능 AWS CodeBuild 소스를 컴파일하고 테스트를 실행하며 배포 준비가 완료된 소프트웨어 패키지를 생성하는 완전 관리형 빌드 서비스 AWS CodeDeploy EC2 인스턴스와 온프로미스에서 실행되는 인스턴스등 모든 인스턴스에 코드 배포 자동화 서비스 AWS CodePipeline 어플리케이션 및 인프라를 빠르고 안정적으로 업데이트 가능하도록 지원하는 서비스로 사용자 정의 릴리스 프로세스 모델에 따라 코드 변경시 코드를 구축, 테스트 배포 AWS X-Ray 마이크로 서비스 아키텍처를 사용하여 구축한 것과 같은 프로덕션 또는 개발단계에서 배포된 어플리케이션 분석 및 디버그 지원, 요청에 대한 end-to-end 뷰 지원

sjinu

Paper: https://arxiv.org/pdf/2106.06965.pdf Code: no official github (필자가 작성한 코드는 최하단에 첨부) 0. Abstract X-ray Report Generation에서 중요한 것은 Abnormal region을 잘 포착하고, 이에 대한 기술을 만들어내는 것입니다. 하지만, X-ray data는 대부분 normal region으로 이루어져 있기 때문에, 이에 영향을 크게 받아 abnormal region을 제대로 포착하지 못하곤 합니다. 이와 같은 데이터 편향을 다루기 위해 저자들은 input image와 normal image간의 contrastive information을 비교하는 모델인 Contrastive Attention(CA) Model을 제안합니다. 이를 통해 abnormal region을 더 잘 포착할 수 잇었으며, 더 정확한 description을 반환할