안녕

논문 https://paperswithcode.com/paper/rethinking-the-inception-architecture-for Papers with Code - Rethinking the Inception Architecture for Computer Vision #8 best model for Retinal OCT Disease Classification on OCT2017 (Acc metric) paperswithcode.com 앞의 글을 읽으시면 이해에 도움이 됩니다. 2023.08.07 - [여러 공부/논문 리뷰] - [논문 - GoogLeNet] Going deeper with convolutions [논문 - GoogLeNet] Going deeper with convolution..

논문 https://arxiv.org/abs/1409.4842 Going Deeper with Convolutions We propose a deep convolutional neural network architecture codenamed "Inception", which was responsible for setting the new state of the art for classification and detection in the ImageNet Large-Scale Visual Recognition Challenge 2014 (ILSVRC 2014). The arxiv.org 0. Abstract 본 논문에서는 Inception 모듈을 제안합니다. 해당 구조의 특징은 컴퓨팅 자원의 효율성을 향..

논문 https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image Recognition Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions with arxiv.org 0. Abstract 깊은 신경망은 학습하기가 어려움 저자는 기존에 사용한 방법보다 더 깊..

Abstract 우선 초록에서는 해당 논문이 convolution network depth가 대규모 이미지 인식에 있어서 얼만큼 영향을 끼치는지 조사했다고 설명합니다. 해당 연구팀은 기존의 CNN 모델에서 3 x 3 Conv Filter를 16~19 층을 쌓음으로써 상당한 성능 향상이 있었다고 합니다.. 이러한 발견은 이미지넷 챌린지 2014에서 localisation에서는 1등, classification에서는 2등을 기록하였다고 합니다. 또한 결과물이 다른 데이터셋에 대하여 일반화가 잘되어 최고의 결과를 내었다고 합니다. 1. Introdution 서론에서는 이미지넷과 같은 대규모 이미지 저장소와 GPU의 발전이 Convolutional network의 대규모 이미지, 비디오 인식을 성공시킨 역할이라..