목록분류 전체보기
반응형
(86)
s5unnyjjj's LOG
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
paper: openaccess.thecvf.com/content_iccv_2017/html/Zhu_Unpaired_Image-To-Image_Translation_ICCV_2017_paper.html 1. Introduction 2. Related Work 3. Formulation 4. Network Architecture 5. Results 6. Limitations 7. Conclusion ---------------------------------------------------------------------------------------------------- 1. Introduction - CycleGAN의 경우에는 전체적인 형태를 유지하는 Style Transfer..
Image-to-Image Translation with Conditional Adversarial Networks
paper: openaccess.thecvf.com/content_cvpr_2017/html/Isola_Image-To-Image_Translation_With_CVPR_2017_paper.html 1. Introduction 2. Formulation 3. Network Architecture 4. Result 5. Conclusion ---------------------------------------------------------------------------------------------------- 1. Introduction - Image to Image Mapping Network에서는 Photo-realistic을 추구한다. CNN은 모든 출력의 평균을 최소화하..
DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Network
paper : openaccess.thecvf.com/content_cvpr_2018/html/Kupyn_DeblurGAN_Blind_Motion_CVPR_2018_paper.html 1. Introduction 2. The proposed method 3. Result 4. Conclusion ---------------------------------------------------------------------------------------------------- 1. Introduction DeblurGAN은 Deblurred Image를 생성하여 object detection에 도움을 준다. Discriminator로 Wasserstein GAN을 사용하였으며 그외에도 ..
Densely Connected Convolutional Networks[DenseNet]
paper : arxiv.org/abs/1608.06993 1. Introduction 2. DenseNet 3. DenseNet-BC 4. Result 5. Concolusion ---------------------------------------------------------------------------------------------------- 1. Introduction 네트워크의 깊이가 깊어질수록 초기의 정보가 사라진다는 문제점이 있다. 그래서 일각에서는 해당 문제를 해결하기위해 노력하고 있다. 예를 들면 Stochastic depth는 레이어를 무작위로 dropping하여 ResNet을 단축시킴으로써 초기 정보를 밑으로 더 많이 내려가게 하고 FractalNets..
Conditional Generative Adversarial Nets[CGAN]
paper: arxiv.org/abs/1411.1784 1. Introduction 2. Generative Adversarial Nets 3. Conditional Adversarial Nets 4. Result 5. Conclusion ---------------------------------------------------------------------------------------------------- 1. Introduction Unconditioned generative model은 생성되는 데이터에 어떠한 제어가 없다. 반면 Conditional Adversarial Net은 Generative Discriminator에 condition 적용함으로써 Additi..
[WARGAME] ALREADY GOT : Solution
[ Wargame ] already got... http://www.wargame.kr/challenge [Hint] 1. Header 'Start'버튼을 누르면 이미 key를 가지고 있다는 문구가 나옵니다. F12 개발자도구에 들어가 Header를 살펴보면 구하고자하는 FLAG가 있는것을 볼 수 있습니다. 구한 FLAG 값을 입력하면 됩니다.
[NATAS 𝟔] LEVEL 𝟔 -> LEVEL 𝟕 : Solution
[ Natas 6 ] Level 6 → Level 7... http://natas6.natas.labs.overthewire.org/ [Hint] 1. 페이지 소스 보기 '제출'버튼을 누르면 'Wrong secret'가 뜨는걸로 보아 POST방식으로 넘겨주고 있다는것을 알 수 있습니다. 즉, 빈칸에 적은 값과 secret값이 같아야 natas7의 비밀번호를 알 수 있습니다. 소스코드를 보면 "includes/secret.inc"를 include하는 것을 보고 따라 들어가보면 다음과 같이 secret값을 확인할 수 있습니다. 발견한 값을 빈칸에 작성하고 제출버튼을 누르면 natas7의 비밀번호 7z3hEENjQtflzgnT29q7wAvMNfZdh0i9 가 나옵니다.
[NATAS 𝟓] LEVEL 𝟓 -> LEVEL 𝟔 : Solution
[ Natas 5 ] Level 5 → Level 6... http://natas5.natas.labs.overthewire.org/ [Hint] 1. Header 살펴보기 "로그인이 되어있지않아 접근이 허용되지않는다"는 문구가 적혀있습니다. F12 개발자 도구로 Header를 살펴보았습니다. Header의 Cookie 부분을 보면 끝에 loggedin값이 0으로 설정되있는것을 볼 수 있습니다. - loggedin = 0 : logout - loggedin = 1 : login 그러므로 loggedin값을 1로 바꿔주면 됩니다. Burp suite를 이용해 loggedin값을 1로 설정해 Forward하면 natas6의 비밀번호 aGoY4q2Dc6MgDq4oL4YtoKtyAg9PeH..