classification

LeNet-5은 Yann LeCun이 손으로 적힌 우편 번호를 전통적인 방법보다 효율적으로 확인하기 위해 고안된 CNN 구조이다.전통적인 모델은 사람이 직접 만든 특징 추출기로 추출하고 분류기를 붙여 사용한다.사람이 만든 특징 추출기는 제한된 특징만 추출한다.너무 많은

AlexNet은 ILSVRC-2012에서 압도적으로 1위를 차지한 딥러닝 모델이다.이 모델 덕분에 CNN이 세간에 주목을 받았다고 한다.어떤 기법들이 사용되었는 지 살펴보자dataset은 ImageNet dataset을 사용하였다.22000개의 class로 구성되어 있

VGG NET VggNet(Very Deep Convolutional Networks for large-scale image recognition)은 ILSVRC 2014에서 2등한 모델이다. 보통 1등만 기억되는 세상에서 자주 사용되는 모델이다. 그 이유는 밑에서

CNN은 이미지에서 일반적인 구조가 되었습니다.AlexNet 이후에 2014년 ILSVRC에서 우승한 GoogleNet을 알아본다.일반적으로 신경망의 성능을 향상시키는 방법은 네트워크의 크기(넓이와 깊이)를 키우는 것이다. 하지만, 큰 네트워크일 수록 많은 파라메타를

등장 배경 깊은 네트워크의 문제점 Vanishing/Exploding gradient : CNN에서 파라미터를 update할 때 그레디언트 값이 너무 크거나 작아져 더 이상 학습의 효과가 없는 문제를 의미한다. 망이 깊어질수록 문제가 커지며, 이를 위해 batch n