공부기록

R-CNN(Regions with CNN features) 논문 리뷰 먼저 컴퓨터비전의 문제를 크게 4가지로 분류하면 1. Classificaion 2. Object Detection 3. Image Segmentation 4. Visual relationship 으로 나눌 수 있다. Classification : Single object에 대해서 object의 클래스를 분류하는 문제이다. Classification + Localization : Single object에 대해서 object의 위치를 bounding box로 찾고 (Localization) + 클래스를 분류하는 문제이다. (Classification) Object Detection : Multiple objects에서 각각의 object..

안녕하세요! 이어서 계속 VGGNet 논문에 대하여 리뷰해보겠습니다. 4.1 Single scale evaluation table1에서 나온것처럼 논문에서는 개별적인 모델들을 평가합니다. 테스트 이미지의 크기는 고정된 S(=Q)와 Jitter를 사용한 S가 있고 그 성능평가의 결과는 Table 3에 나와있습니다. 논문에서는 몇가지 주목해야할점을 말하는데요! 첫째, 로컬 응답 정규화(A-LRN 네트워크)를 사용하는 것이 표준화 계층이 없는 모델 A에서 개선되지 않는다. 따라서 논문에서 더 깊은 아키텍처(B-E)에서는 정규화를 채택하지 않습니다. 둘째, ConvNet의 깊이가 증가함에 따라 분류 오류가 감소한다. (11층인 A부터 19층인 E까지) 특히, 같은 깊이에도 불구하고 3개의 1*1 Conv층을 가..

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..