# Backbone

imjaewoochoi

Resnet

iissaacc

ResNet에서는 degradation을 identity mapping으로 해결하면서 gradient flow를 원활하게 하면 layer를 더 쌓으면서 성능향상도 기대할 수 있다는 점을 밝혔다. 그러면 극단적으로 모든 layer를 mapping하면 어떻게 될까?

sp1rit

개/고양이 이미지 분류기를 만들어 보려고 한다. 분류기를 만들어보는 연습을 하면서 각각의 이론과 코드를 공부해보자.

khp3927

참고: https://www.edwith.org/medical-20200327/joinLectures/30437 (컴퓨터비전, 머신러닝, 딥러닝을 이용한 의료영상분석 edwith)

iissaacc

CNN의 게임 체인저. 아직도 ResNet에서 못 벗어났다고 하는 말이 있을 정도다. 기존에 19-30 layer에 그친 depth를 152 layer까지 폭발적으로 늘리면서 ILSVRC 2015에서 우승했다.

iissaacc

딥러닝에서 유명한 짤이다. 코드명이 인셉션이라서 그런지 Reference 1번에 위 이미지 주소를 달아놨고 딥러닝 분야의 유명한 밈이 됐다.

iissaacc

2012년 이후로 ILSVRC에서는 AlexNet을 다듬어서 성능을 높이려는 시도를 하고 있었다. VGGNet은 딥러닝 모델 중 최초로 16-19 layer까지 쌓아서 성능을 끌어올렸다.

iissaacc

CNN의 뿌리라고 할 수 있다. ILSVRC 2012에서 처음으로 딥러닝 모델로 다른 모델을 압도하면서 우승했다.