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
- remixmatch paper
- tent paper
- conjugate pseudo label paper
- CoMatch
- ConMatch
- cifar100-c
- Pix2Pix
- simclrv2
- BYOL
- Meta Pseudo Labels
- adamatch paper
- 딥러닝손실함수
- Pseudo Label
- SSL
- CGAN
- WGAN
- dcgan
- GAN
- mocov3
- Entropy Minimization
- 컴퓨터구조
- 최린컴퓨터구조
- mme paper
- shrinkmatch
- UnderstandingDeepLearning
- 백준 알고리즘
- CycleGAN
- dann paper
- semi supervised learnin 가정
- shrinkmatch paper
Archives
- Today
- Total
목록vgg (1)
Hello Computer Vision
VGGNet(2014) 구조 리뷰
저번에 썼던 Lenet(1998)과 AlexNet(2012)에 이은 CNN 모델 구조이디. 2014년에 발표된 VGGNet(2014)이다. Imagenet 분류 대회에서 92.7%를 기록하였으며 현재도 전이학습으로 많이 사용되는 모델이다. 기본 구조는 왼쪽과 같으며 층의 깊이에 따라 VGG-16, VGG-19 이렇게 나뉘어져있다. 기존 모델들과 비교해보면서 가장 쉽게 눈에 띄는 점은 일단 층의 깊이이다. 우측 이미지에서 AlexNet과 비교해보면 이 차이를 확실하게 느낄 수 있다. 이렇게 레이어를 깊게 쌓는다면 비선형성을 많이 더해질 수 있기 때문에 일정 깊이까지는 성능이 좋다. 위 이미지와 같이 커널 크기를 5x5 -> 3x3으로 변경함으로써 output으로 나오는 이미지 결과는 같지만 그 과정에 있어..
딥러닝
2022. 10. 22. 22:32