일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |
Tags
- 논문 리뷰
- Ai
- 머신러닝
- Computer Vision
- Convolution
- 논문구현
- Paper Review
- 딥러닝
- ViT
- pytorch
- 프로그래머스
- object detection
- 파이썬
- opencv
- 옵티마이저
- 논문
- 코드구현
- transformer
- Segmentation
- optimizer
- 인공지능
- 알고리즘
- 논문리뷰
- Self-supervised
- programmers
- Semantic Segmentation
- cnn
- 파이토치
- 코딩테스트
- Python
Archives
- Today
- Total
목록DenseNet (1)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/OEqTd/btrUVjp5kbt/n8jesLxvdIWlLlouqgz1Pk/img.png)
이번에 리뷰할 논문은 "Densely Connected Convolutional Networks" 이다. CNN 모델의 성능을 높이기 위해 가장 직접적인 방법은 층의 깊이를 늘리는 것이다. 하지만 단순히 층이 깊어지기만 하면 vanishing gradient와 같은 문제들이 발생하게 되는데 이러한 문제들을 해결하기 위해 앞부분과 뒷부분을 short path로 연결해주는 ResNet과 같은 모델들이 제안되었다. DenseNet 역시 앞부분과 뒷부분을 연결해준다는 점을 사용하여 접근하였다. Connectivity 1. ResNet DenseNet 역시 앞부분과 뒷부분을 연결해주는데 그 방식이 ResNet과 차이가 있다. ResNet의 방식은 입력값과 출력값을 skip connection에 의해 더해준다. 이..
논문 리뷰/Image classification
2022. 12. 29. 16:19