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
- Segmentation
- Semantic Segmentation
- Ai
- 옵티마이저
- 논문
- Self-supervised
- 논문 리뷰
- 논문리뷰
- 인공지능
- 파이토치
- Convolution
- 코드구현
- Python
- pytorch
- Computer Vision
- 논문구현
- opencv
- 파이썬
- Paper Review
- 코딩테스트
- 알고리즘
- 프로그래머스
- programmers
- optimizer
- transformer
- object detection
- ViT
- 딥러닝
- cnn
- 머신러닝
Archives
- Today
- Total
목록VGGNet (1)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/sKrlo/btrNvP5lSQr/S70AttEttX89V6vGQ44rZ0/img.png)
이번에 구현할 논문은 "VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION" 입니다. 이번 논문을 구현하기 위해 사용한 프레임 워크는 Pytorch 입니다. The Dataset 논문에서 사용한 데이터셋은 저번 글에서 소개한 ImageNet dataset입니다. 하지만 너무 많은 양의 데이터와 분류때문에 학습시간이 오래 걸릴 것을 고려하여 저번과 동일하게 CIFAR-10 데이터셋을 사용하도록 하겠습니다. (imagenet 과 cifar-10 데이터셋에 대한 설명은 저번 글에 남겨놓았습니다.) Depth 이 논문에서 중요시하는 것은 모델의 깊이 입니다. 모델의 깊이가 깊어지면 깊어질 수록 성능이 좋아진다는 것입니다. 즉, 이미지의 대한 정..
논문 리뷰/Image classification
2022. 10. 1. 16:17