CNN논문
직접해석한 것이기 때문에 잘못된 해석이 포함되었을 수 있습니다.
Abstract(요약)
해당 논문은 2014년 부터 작업이 시작되었으며 인기많은 CNN논문이 되었습니다.
모델 크기와 비용에 따른 품질 향상이 있지만 더욱 효율적인 모델을 만들기 위한 방법이 있고,
ILSVRC 2012를 밴치마킹하여 factorized convolutions(인수 분해)와 aggressive regularization(일반화)를 이용한 방법을 사용합니다.
25만개의 매개변수를 사용하고 50억 코스트(계산비용)의 네트워크에서 top-1은 21.2%오류 top-5 5.6%오류가 있는 것을 . With an ensemble of 4 models and multi-crop evaluation(?) 를 통해 top-1은 17.3%, top-5 3.5%오류까지 줄였습니다.
Introduction(소개)
2012년 Imagenet 대회에서 'AlexNet'의 object-detection(물체감지), segmentation(분할), human pose estimation(자세), video classification(비디오 분류), object tracking(물체추적),superresolution(초해상도)에서 좋은 반응을 기점으로 CNN의 연구가 시작되었습니다.
2014년 'VGGENT'과 'GOOgleNet'이 2014 ILSVRC높은 성능을 보였으며, 다양한 분야에서 사용가능 하다는 것도 알 수 있엇습니다.
VGGNet은 단순한 아키텍처로 인해 비용이 많이 필요하며, AlexNet의 6000만 매개변수의 약 3배의 매개변수를 사용하였습니다.
GoogLeNet은 보다 잘 작동되도록 만들었고, 500만개의 매개변수를 사용하여 AlexNet보다 비용 절감하였습니다.
