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 | 31 |
Tags
- programmers
- ViT
- Computer Vision
- Paper Review
- 파이토치
- 프로그래머스
- optimizer
- 머신러닝
- 논문
- 옵티마이저
- object detection
- 코드구현
- 논문리뷰
- Python
- Ai
- transformer
- 딥러닝
- Convolution
- Self-supervised
- pytorch
- opencv
- cnn
- 파이썬
- 논문 리뷰
- 인공지능
- 알고리즘
- Semantic Segmentation
- 코딩테스트
- 논문구현
- Segmentation
Archives
- Today
- Total
목록EfficientNet (1)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/dcgd3c/btrUVjD1sHE/yK5TteLqFhWRAbYQpTrE91/img.png)
이번에 리뷰할 논문은 "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks" 이다. 본 논문에서 제안한 EfficientNet은 ImageNet 데이터셋의 classification task에 SOTA에 달성하였다. 본 논문의 부제목을 살펴보면 "CNN 모델들을 모델 scaling하는 방법에 대해 다시 생각해보자" 이다. 즉, 모델을 scaling하는 방법들에 대해 실험을 하여 보다 효율적인 성능을 내도록 하는 것이 본 논문의 목적인데, 이 효율적이라 함은 적은 파라미터의 수로 좋은 성능을 낸다는 것에 있다. 다음 figure와 같이 모델의 파라미터 수와 정확도를 비교한 표이다. 다른 모델들은 파라미터의 수가 많아지는 것에 비..
논문 리뷰/Image classification
2022. 12. 30. 03:33