01.CNN모델개요
1998 : LeNet
2012 : AlexNet
2014 : GoogleNetVGG
2015 : ResNet
➕LeNet : 최조의 CNN 모델
ILSVRC : 이미지 인식 경진돼회로 대용량의 이미지데이터셋을 주고 이미지 분류 알고리즘의 성능을 평가함
02.LeNet
- 32X32 크기의 흑백이미지에서 학습된 7Layer CNN
- [ Input - Conv(C1) - Subsampling(S2) - Conv(C3) - Subsampling(S4)- FC6 - FC7(Output) ]
03.AlexNet
- 2개의 GPU로 병렬연산을 수행하기위해 병렬적인 구조로 설계
- 227X227크기의 RGb 3 Channel 이미지를 Input으로 사용
- [ Input - Conv1 - MaxPool1 - Conv2 - MaxPool2 - Conv3 - Conv4 - Conv5 - MaxPool5 - FC6 - FC7 - FC8(Output) ]
- 오버피팅을 방지하기위해 Data Augmentation , DropOut 사용
- ReLU 를 활성화 함수로 사용
- LRN(Local Response Normalization)
04.VGG
- 네트워크의 깊이기 확 깊어짐
- 3X3의 작은 Filter를 사용한 conv layer를 깊게 중첩함
- 깊이의 영향만을 확인하고자 3X3 filter사용 (비선형성 증가 , 학습파라미터 수 감소) - [ Input - C1 - C2 - MaxPool3 - C3 - C4 - MaxPool4 - C5 - C6 - C7 - MaxPool7 - C8 - C9 - C10 - MaxPool10 - C11 - C12 - C13 - MaxPool13 - FC14 - FC15 - FC16(Output) ]
- 오버피팅을 방지하기위해 Data Augmentation 사용
