| 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
- cifar100-c
- adamatch paper
- shrinkmatch
- CycleGAN
- mocov3
- SSL
- BYOL
- simclrv2
- CGAN
- Meta Pseudo Labels
- remixmatch paper
- mme paper
- dcgan
- tent paper
- CoMatch
- dann paper
- conjugate pseudo label paper
- 컴퓨터구조
- GAN
- Entropy Minimization
- UnderstandingDeepLearning
- 최린컴퓨터구조
- Pix2Pix
- WGAN
- shrinkmatch paper
- 딥러닝손실함수
- semi supervised learnin 가정
- ConMatch
- Pseudo Label
- 백준 알고리즘
Archives
- Today
- Total
목록GooleNet (1)
Hello Computer Vision
GoogleNet(2014) 구조 리뷰
저번 VGGNet 에 이은 GoogleNet이다. 이 모델은 구글에서 2014년에 발표한 모델이며 Imagenet대회에서 93.3%의 정확도를 기록하였다. 모델의 특징이라고 하면은 Inception 모듈을 추가한 모델이라고 할 수 있다. 모델의 구조는 다음와 같다. 단순히 보았을 때 이전 모델들과 비교했을 때 확연히 복잡한 구조를 가지고 있는데 이를 이해하기 위해서는 모델에서 많은 부분 차지하고 있는 Inception모듈을 이해해야한다. Inception 모듈의 구조는 다음와 같다. 이전 AlexNet, VGGNet 에서는 모두 일방향으로 Layer들이 연결이 됐다면 여기서는 이전 Layer에서 여러 개의 CNN블럭들이 나뉘어져 받는 것을 알 수 있다. 모듈을 이렇게 구조화한 이유는 한마디로 다음과 같다..
딥러닝
2022. 10. 23. 22:28