dotdotdot

https://arxiv.org/pdf/1409.1556v6Abstract대규모 이미지 인식 환경에서 convolutional network의 depth가 정확도에 미치는 영향을 실험적으로 분석함small 3 \( \times \) 3 convolution filter를 사용하는 구조에서 depth를 16~19개의 weight layer까지 늘려 기존 prior-art보다 높은 정확도를 달성함해당 모델은 ILSVRC 2014에 출전하여 localisation 부문 1위, classification 부문 2위를 기록함학습된 representation은 다른 dataset에도 잘 generalise되어 SOTA 성능을 보였으며, 후속 연구를 위해 성능이 가장 뛰어난 두 개의 ConvNet 모델을 공개함 1..

AlexNet은 논문 ImageNet Classification with Deep Convolutional Neural Networks 에서 소개된 모델입니다. 이 글에서는 해당 논문의 주요 내용을 리뷰하였으며, 논문을 바탕으로 구조를 직접 구현한 내용을 여기에 정리하였습니다. AbstractImageNet LSVRC-2010의 120만 장 high-resolution 이미지를 1000개 클래스로 분류하는 DNN을 학습함test 데이터에서 top-1 error rate 37.5%, top-5 error rate 17.0%를 기록하며 기존 SOTA보다 우수한 성능 기록5개의 convolutional layer와 3개의 fully-connected layer로 구성, 총 60 million parameter..