AI 논문 리뷰(AI Paper Review)/컴퓨터비전(Computer Vision)13 [논문정리] EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. 이 논문은 Image Classification을 타겟으로 한 2019년에 발표된 논문입니다. 먼저 결과부터 보여드리겠습니다. 이전에 다뤘었던 ResNet, DenseNet, SENet 등의 모델이 보이는데요. 이러한 ImageNet 데이터셋 정확도에 초점 맞춘 모델들의 성능을 EfficientNet이 크게 상회를 했습니다. 이러한 성능을 어떻게 내게 되었는지 설명하겠습니다. EfficientNet은 새로운 모델을 찾아서 성능을 올리는 것이 아니라, 기존 모델을 바탕으로 Complexity를 높여 정확도를 올리는 방식의 모델입니다. 지금 보시는 그림은 이미 존재하는 모델의 복잡도를 키워 성능을 올려주는 여러 방법인데요. 대표적으로 fil.. 2023. 11. 8. [논문정리] GhostNet: More Features from Cheap Operations *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. GhostNet의 기초가 되는 MobileNet에 대한 설명은 이전 게시물을 참조해주세요. https://stevenkim1217.tistory.com/entry/%EB%85%BC%EB%AC%B8%EC%A0%95%EB%A6%AC-MobileNets-Convolutional-Neural-Networks-for-Mobile-Vision-Applications [논문정리] MobileNets: Convolutional Neural Networks for Mobile Vision Applications *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. Introduction MobileNet의 핵심 아이디어는 Depthwise.. 2023. 9. 1. [논문정리] MobileNets: Convolutional Neural Networks for Mobile Vision Applications *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. Introduction MobileNet의 핵심 아이디어는 Depthwise Separable Convolution입니다. 이 개념은 Depthwise Convolution과 Pointwise Convolution을 조합하는 방법으로 이루어집니다. Background 1. Standard Convolution 일반적인 Convolution 먼저 설명하겠습니다. 일반적인 Convolution에서는 Input 채널 개수 만큼 Filter의 채널도 3개가 있어서, Convolution 연산을 하면 하나의 채널의 output을 가집니다. 2. Depthwise Convolution 그런데 Standard와는 다르게, Depthwise Convo.. 2023. 9. 1. [논문 정리] Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction w *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. Introduction FPN이라고 부르는 Feature Pyramid Network 등 이전의 많은 논문에서 이 Pyramid 구조에 대해서 다뤘는데요. 이 Pyramid 구조는 여기 그림에서 보이는 것처럼 서로 다른 해상도의 feature map을 쌓아 올린 형태를 말합니다. 이 다양한 scale의 feature map을 모두 이용하여 segmentation을 수행합니다. Receptive field는 기존 이미지에서 한 픽셀이 담당하는 범위를 말하는데요. 이렇게 pyramid 구조를 가지면, 깊이가 더 깊어질수록, feature map에서 한 픽셀이 담당하는 범위가 늘어나게 됩니다. 즉, 깊이가 깊어질수록 receptive fiel.. 2023. 9. 1. [논문정리] ECA-Net: Efficient Channel Attention for Deep Convolutinoal Neural Networ *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. Introduction ECA Net은 SENet을 개선한 모델입니다. https://stevenkim1217.tistory.com/entry/%EB%85%BC%EB%AC%B8%EC%A0%95%EB%A6%AC-SENet-Squeeze-and-Excitation-Networks [논문정리] SENet: Squeeze and Excitation Networks *본 내용은 논문의 상세한 분석이 아닌, 간단한 복기용 정리입니다. Method SENet은 크게 Squeeze와 Excitation 과정으로 나누어집니다. Squeeze: 쥐어짜고, Excitation: 활성화하는 네트워크입니다. 대략적인 stevenkim1217.tistory.co.. 2023. 9. 1. 이전 1 2 3 다음
