본 글은 Hierachical Structure의 글쓰기 방식으로, 글의 전체적인 맥락을 파악하기 쉽도록 작성되었습니다.
또한 본 글은 CSF(Curation Service for Facilitation)로 인용된(참조된) 모든 출처는 생략합니다.

[요약정리]Stanford University CS231n. Lecture 09. | CNN Architectures

1. CONTENTS

---

1.1 Table

Velog	Lecture	Description	Video	Slide	Pages
작성중	Lecture01	Introduction to Convolutional Neural Networks for Visual Recognition	video	slide	subtitle
작성중	Lecture02	Image Classification	video	slide	subtitle
작성중	Lecture03	Loss Functions and Optimization	video	slide	subtitle
작성중	Lecture04	Introduction to Neural Networks	video	slide	subtitle
작성중	Lecture05	Convolutional Neural Networks	video	slide	subtitle
작성중	Lecture06	Training Neural Networks I	video	slide	subtitle
작성중	Lecture07	Training Neural Networks II	video	slide	subtitle
작성중	Lecture08	Deep Learning Software	video	slide	subtitle
작성중	Lecture09	CNN Architectures	video	slide	subtitle
작성중	Lecture10	Recurrent Neural Networks	video	slide	subtitle
작성중	Lecture11	Detection and Segmentation	video	slide	subtitle
작성중	Lecture12	Visualizing and Understanding	video	slide	subtitle
작성중	Lecture13	Generative Models	video	slide	subtitle
작성중	Lecture14	Deep Reinforcement Learning	video	slide	subtitle
작성중	Lecture15	Invited Talk: Song Han Efficient Methods and Hardware for Deep Learning	video	slide	subtitle
작성중	Lecture16	Invited Talk: Ian Goodfellow Adversarial Examples and Adversarial Training	video	slide	subtitle

1.2 KeyWords

1.2.1 Convolusion

참조 : 합성곱 연산과 교차 상관 연산

• 핵심개념
  • 합성곱 연산
  • 두 신호를 합쳐 새로운 신호를 만드는 수학적 방법

• 종을 칠 때 콘볼루션을 들리는 소리라고 할떄

[종을 칠때 종 자체가 내는 소리] * [종소리가 종 내부 공기의 진동시켜 울리는 소리]
= 공명으로 들리는 소리

<확장> - 연속으로 칠때
새로 친 소리 * 앞선 소리의 잔향
입력 + 메모리 => 출력

1.2.1 수용영역

참조 :

• 핵심개념

  • 계층이 깊어질 수록 필터-1 만큼 수용영역이 커짐
  • O : 출력 / F : 컨볼루션 필터 / N : 입력 / S : 스프라이드 / P : 패딩

  $O=\frac{(N-2{P})}{S} + 1$

2. Flow

2.1 title

2.1.1 sub-title

2.2 title

2.3 title

3. Summary

3.1 OverView

---

Slide

• 지난 시간 요약 특별한 내용없음

3.2 LeNet-5

---

Slide

• 우편물에 필기체로 쓰인 우편번호를 인식하는 최초의 컨벌루션
• 활성함수는 시그모이드 또는 하이퍼볼릭 탄젠트를 사용
• 풀링 계층은 액티베이션 맵의 크기를 절반으로 줄임
• 파라미터 수가 60K로 작은 모델
• 컨벌루션 레이어와 풀링 레이어는 시각 영역을 모델링
• FC는 연관 영역을 모델링

3.3 AlexNet

---

Slide

• 2개의 GPU (당시 GTX580 GPU)
• 컨벌루션 필터를 두그룹으로 나눈 뒤 그룹별로 GPU 할당하여 처리
• 중간 계층에서 정보를 교환
• 최종은 한쪽으로 합침
• 227x227xx3의 입력데이터
• 48 convolution Filter

3.4 VGGNet

---

Slide	Title	ref
	-	-

3.5 GoogLeNet

---

Slide	Title	ref
	-	-

3.6 ResNet

---

Slide	Title	ref
	-	-

3.7 Compare

---

Slide	Title	ref
	-	-

3.8

---

Slide	Title	ref
	-	-

3.9

---

Slide	Title	ref
	-	-

3.10

---

Slide	Title	ref
	-	-

Reference