분류 전체보기27 [논문 리뷰] ResNet Deep Residual Learning for Image Recognition https://arxiv.org/pdf/1512.03385.pdf 논문을 참고하여 작성하였다. Introduction 저번 VGGNet에서 CNN의 layer가 깊어질수록 성능이 좋아지는 것을 확인할 수 있었지만, VGGNet-19에서 오차율이 떨어지지 않는 것을 확인할 수 있었다. Layer가 더 깊어지면 Vanishing/Exploding gradient 현상이 발생하는데, 정확도가 어느 순간 정체되고 layer가 깊어질수록 성능이 더 나빠지는 현상인 Degradation problem이라는 문제점이 발생하게 된다. Vanishing/Exploding gradient의 경우 layer 중간에 BatchNorm 을 적용해주.. 2022. 3. 31. [논문 리뷰] VGGNet Very Deep Convolutional Networks for Large-Scale Image Recognition https://arxiv.org/pdf/1409.1556.pdf 논문을 바탕으로 요약/정리 Abstract VGGNet은 CNN 모델로 네트워크의 깊이가 모델 성능에 중요한 역할을 한다는 것을 보여줬다. VGGNet의 필터 크기는 3, stride는 1, zero padding 1의 convolution layer로 이루어져 있으며, max-pooling layer로는 필터 크기 2, 패딩 없음을 사용한다. 비록 GoogLeNet 보다 이미지 분류 성능은 낮지만, 다른 연구에서는 좋은 성능을 보이며 이미지 특징을 추출하는 데 이용되는 등 기본 네트워크 모델로 활용되고 있다. 그러나 많은.. 2022. 3. 30. 이전 1 ··· 3 4 5 6 다음
