AlexNet/ ImageNet Classification with Deep CNN(3)

AlexNet 논문의 나머지 부분을 모두 정리하고 마무리하도록 하겠습니다.

AlexNet 첫번째 post에서 말씀드렸듯, 이 논문은 2가지 GPU를 사용하고 있습니다. AlexNet은 재밌게도 GPU1은 색감과 관련이 없는 Feature들을, GPU2는 색감과 관련 있는 feature들을 뽑아냈습니다.

Top 5 error의 경우, 위의 왼쪽 사진이 예시입니다. 저희도 확실히 판단하기 어려울 정도의 사진으로 이 논문에서 우리의 모델이 부정확한 게 아니라 애초에 판단이 어려운 사진임을 말하고자 해당 자료를 첨부한 것 같습니다.
오른쪽 사진의 경우 사진간의 유클리드 벡터값을 구하여 거리값이 가까운 순서대로 표현한 것입니다. 위의 사진과 같이 강아지의 색깔, 동작이 다 다른대도 같은 카테고리로 분류해둔 것을 볼 수 있습니다. 논문의 저자들이 모델이 이정도로 정확하다는 것을 알려주기 위한 지표로 사용했다고 보시면 될 것 같습니다.

마지막으로 모델에 대해 한번 추가적인 내용을 설명드리자면 첫번째 Conv는 Edge와 Blob(얼룩), 3번째는 texture(물체의 표면에 세부적인 질감), 5번쨰는 Object Part, 마지막으로 8번째 Fc는 Object Class들을 추출했다고 합니다.

GPU를 2가지로 나눠서 각각 다른 feature를 뽑아내도록 한 점이 신기하였습니다. 이렇게 ALexNet에 대한 논문 리뷰를 마치겠습니다.