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
- 코딩테스트
- opencv
- Paper Review
- 파이썬
- pytorch
- Segmentation
- 논문구현
- Ai
- Convolution
- 머신러닝
- Python
- Computer Vision
- Semantic Segmentation
- 인공지능
- 논문 리뷰
- 옵티마이저
- transformer
- 코드구현
- 파이토치
- ViT
- Self-supervised
- 알고리즘
- 딥러닝
- 논문
- 프로그래머스
- cnn
- 논문리뷰
- object detection
- optimizer
- programmers
Archives
- Today
- Total
목록GoogLeNet (1)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/c8vdyv/btrUOMlrBVP/kHpgNF72KKQhXCIxao4YFK/img.png)
이번에 리뷰할 논문은 "Going deeper with convolutions" 이다. 이 논문에서 나온 이른바 GoogLeNet은 이미지넷 이미지 인식 대회(ILSVRC)에서 앞서 설명한 VGGNet을 이기고 우승을 차지한 모델이다. GoogLetNet은 VGG-19보다 더 깊은 22층으로 구성된 알고리즘이다. GoogLeNet은 1 x 1 와 같이 작은 사이즈의 convolution 층을 사용했다는 점과 층을 깊게 쌓아 모델의 성능을 개선하려한 점에서 VGGNet과 유사한 점들이 많다. 하지만 GoogLeNet만의 독특한 점이 있었는데 바로 인셉션(Inception)이다. Architecture 위 figure가 GoogLeNet의 구조이다. 앞서 말했던 것처럼 층이 총 22개 존재함을 볼 수 있다...
논문 리뷰/Image classification
2022. 12. 28. 02:02