# 개요

흐름 자체는 포스터/보고서와 같이 가져가면 될것이라고 생각

1. 표지(1장)
3. 목차(1장)
5. 과제의 배경(1~2장)
- [기관 내관은 중환자에게 하는 것이고 매우 중요하다.(서론)](https://www.koreascience.or.kr/article/JAKO201434441682887.pdf)
- [기관 내 삽관을 알아내는 방법은 많이 있지만 불완전하거나 항상 사용할수 없다.(서론)](https://ekja.org/upload/pdf/kjae-27-571.pdf)
6. 활용된 지식과 ~~창의성~~(각 1장)
- [Mask RCNN](https://arxiv.org/abs/1703.06870)
- [RegNet](https://arxiv.org/abs/2003.13678)
- [한국어 설명](https://2-chae.github.io/category/2.papers/31)
7. 설계 2Stage 구현(각 1장)
- 데이터셋(1장)
- Hanyang Medical AI Research Team을 통해 데이터 얻음
- 갯수와 종류 이미지 크기 등 설명
- 비슷한 연구 진행하는 다른 대학보다 갯수 많다 어필 해도 될듯 = 이정도면 충분한 갯수임을 어필
- 실험 환경(그래픽카드, OS 등)
- Segmentation 자세한 설명(1장)
- Classification 자세한 설명(1장)
8. 실험 결과
- Segmentation 실험(1장)
- 학습 시간, 인퍼런스 시간, 에폭
- 결과 AP50 등
- Classification 실험(1장)
- 학습 시간, 인퍼런스 시간, 에폭
- 결과 accuracy f-score 등
- 결과 비교(1장)
- ~~한양대 의대 내부에서 한 것보다 성능이 얼마나 더 좋았다.(baseline teachable machine)~
- Segmentation 없이 한 결과 비교(2-Stage 설계는 큰 의미가 있다.)
- RegNet이 아닌 다른 네트워크 학습이랑 비교(Optional)

9. 결론(1장)
- 위에 말들 요약
- 연구 필요 함
- 2-stage로 구현
- 성능 몇%다. 향상 되었다.
- 실제로 도움이 되는 연구
10. 레퍼런스(1장)
- 링크된 논문들
12. 감사합니다.(1장)

코드 관련

- 아마 보관용일거라고 생각하는데 읽어볼 수도 있으니 좀더 깔끔하게 하려고 노력
- 데이터 위치가 계속 실험 바꾸느라 다르던데 통일 시킴
- 각각 노트북 해당하는 python 만들어서 git 형상화 보기 좋게함
- README와 ipynb 주석 조금 업데이트

RegNet이 아닌 다른 네트워크 학습이랑 비교(Optional)