- 딥러닝에서 Visual Recognition은 두가지의 framework를 통합해서 진행한다.
- image representation과 image classifier를 하나의 네트워크로 확인
- 데이터를 통해 representation과 classifier를 학습하는 것
이런 딥러닝 방법은 다음과 같은 이유로 실패할 때가 있다.
1. 데이터 부족
2. 기울기 손실 : sigmoid function
3. optimize 해야하는 많은 파라미터
4. 제한된 리소스
5. 이론 부족
하지만 최근에는 실패 경우가 많이 줄었는데,
1. ImageNEt, Place2 와 같은 larger training datasets이 존재
2. GPU성능 향상
3. ReLU
4. 더 나은 regularization 방법들이 등장했기 때문이다.
[강의]패스트 캠퍼스(한 번에 끝내는 컴퓨터비전 초격차 패키지)
