공부기록

앞 게시물에 이어서 VGGNet에 대하여 리뷰해보겠습니다. 3. Classification Framework - ① Training 배치사이즈는 256, 모멘텀은 0.9이며 트레이닝셋은 weight decay에 의해 정규화가 되며 드롭아웃은 첫 두 FC층에서 일어난다. learning rate의 경우 처음에는 10^-2로 두고 val셋의 acc가 10번안에 좋아지지 않으면 낮아집니다. 총 learning rate가 3번 감소하고 370K (74 epochs)번의 반복이후에 학습은 멈춥니다. VGGNet의 많은 파리미터와 깊은 층에 비교하여 적은 epoch을 요구합니다. 그 이유는 깊은 층과 작은 컨볼루션 필터사이즈에 의해 시행되는 암시된 정규화와 몇몇층에서 시행되는 사전 초기화 때문입니다. 네트워크 가중..

안녕하세요! 첫번째로 리뷰할 논문은 바로 'VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION' 입니다! VGGNet은 2014년 ILSVRC에서 GoogleNet에 이어 2위를 차지한 Image Recognition Model입니다. 비록 2위를 차지하였지만 구조적인 측면에서 GoogleNet 보다 간단한 구조로 되어 있어 GoolgeNet 보다 많이 사용되고 있다고 합니다. VGGNet은 기본적인 CNN의 구조에 깊이를 증가시킨 형태로 신경망의 깊이를 깊게 하는데 중점을 두었습니다. 1. Introduction ConvNets는 최근 large sacle 이미지나 비디오 인식에서 큰 성공을 보이고 있었습니다. 이것이 가능했던 것은 이..