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
- pytorch
- 논문
- optimizer
- opencv
- Ai
- Python
- 알고리즘
- 옵티마이저
- Self-supervised
- Segmentation
- 코드구현
- 머신러닝
- ViT
- transformer
- 코딩테스트
- 파이썬
- object detection
- programmers
- 논문 리뷰
- Convolution
- 딥러닝
- Computer Vision
- Paper Review
- cnn
- Semantic Segmentation
- 인공지능
- 논문구현
- 논문리뷰
- 프로그래머스
- 파이토치
Archives
- Today
- Total
목록resnext (1)
Attention please
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/ujIrL/btrUYp4w98R/FKouE9QkmfypDo12ns3FmK/img.png)
이번에 리뷰할 논문은 "Aggregated Residual Transformations for Deep Neural Networks " 이다. CNN의 성능을 높이기 위해 가장 먼저 드는 생각은 깊고(dimension) 넓게(scale) 만드는 것이다. 하지만 본 논문에서는 저 두가지가 아닌 cardinality를 키우는 것에 초점을 맞추었다. cardinality : the size of the set of transformations (똑같은 형태의 블록 개수) Split - Transform - Merge 즉, 같은 block을 반복하여 구축하는 것이 모델의 깊이와 넓이를 크게 가져가는 것보다 정확도에 더 큰 영향을 미친다는 것인데 이는 Inception module과 비슷한 형태를 가진다. res..
논문 리뷰/Image classification
2022. 12. 29. 22:19