U-Net: Convolutional Networks for Biomedical Image Segmentation 논문 요약
Abstract 좋은 딥러닝 네트워크를 구축하기 위해서는 수많은 데이터가 필요하다. 본 논문에서는 데이터 증강에 의존하여 주어진 데이터를 효율적으로 사용한 네트워크와 학습 방법에 대해 소개한다. 네트워크는 특징을 추출하는 contracting(수축) path와 localizati...
Recent posts
ResNet(Deep Residual Learning for Image Recognition)논문 요약
Abstract 신경망의 깊이가 깊어질수록 학습은 더 어려워진다. 본 논문에서는 레이어를 잔차함수로 변환하는 residual learning framework를 적용하여 이전의 모델들보다 더 깊은 신경망일지라도 학습이 잘 되게 했다. 깊이가 최대 152로 VGG모델보다 8배 깊은 ...
GoogLeNet(Going deeper with convolutions)논문 요약
Abstract 본 논문은 Deep Convolutional Neural Networks의 아키텍처를 인셉션(Inception)이라는 이름으로 제안한다. ILSVRC14에서 분류와 탐지 부문 최고 수준을 달성했다. GoogLeNet이라 불리는 해당 아키텍처는 22개의 deep ne...
VGG(Very Deep Convolutional Networks for Large-Scale Image Recognition)논문 요약
Abstract 대규모 이미지 인식에서 Convolutional Network의 깊이와 정확도에 대해 연구했다. 상대적으로 작은 3x3 합성곱 필터를 사용하여 층을 깊게 만들었고, 16 - 19개의 층을 쌓았을 때의 모델이 기존에 연구되었던 모델들의 성능보다 더 좋은 성능을 기록...
AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)논문 요약
Abstract ImageNet LSVRC-2010 대회에서 120만개의 고해상도 이미지, 1000개의 라벨을 분류하는 CNN 모델을 만들었다. 그 결과 테스트 데이터에서 기존의 SOTA보다 뛰어난 top1, top5 에러율을 37.5%, 17.0%로 기록했다. 훈련 속도를 높이기...