# VGG
[Study Material] Basic of Deep Learning
해당 자료는 제가 BOAZ 19기로 활동할 당시 20기 학습자료로 사용했던 PPT 내용입니다.Deep Learning의 기본에서부터 CNN의 역사까지 다룬 내용이며, 목차는 다음과 같습니다.Introduction to deep learningSeveral optimiz
Pytorch - VGG(Very Deep Convolution Networks for Large-Scale Image Recognition)
모든 Convolution layer에서 3x3 kernel 사용16~19 layer에 깊은 hidden layer로 학습가능VGG-10: 16 Convolution layers + 3 fully connected layers7x7 convolution 함수는 한번에
VGG Net의 GAP에 대한 궁금증
수업을 듣다가 VGG Net의 head에는 GAP(Gloabal Average Pooling)이 적용되어 있다는 설명을 들었다.실제 VGG16의 pretrained model 구조를 출력해보면 확인이 가능하다.보면 Linear-33 바로 위에 AdaptiveAvgPoo
5. Various CNNs
이전 포스트에서 CNN의 구조에 대해 작성했었다. 세부적인 부분은 모델마다 다르겠지만, 이미지를 Feature Learning하고, Classification한다 라는 특징은 모든 CNN에 적용된다는걸 기억하면 된다. CNN에 대한 개념이 LeNet을 시작으로 처음
[논문 요약] VGG: Very Deep Convolutional Networks For Large-Scale Image Recognition
2015년 발표된 vgg 논문을 읽고 정리한 글입니다.
[논문 요약] AlexNet: Image Net Classification with Deep Convolutional Neural Networks
2012년 발표된 AlexNet 논문을 읽고 정리한 글입니다.
[논문리뷰] VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION :: VGG
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION :: VGG
[CV] Computer Vision (Week 4)
FC Layer(Fully, Connected Layer, Fully Connected Neural Network)의 경우 피쳐맵에 대해서 모든 텐서에 대해 내적을 하게 된다. 모든 텐서에 대해서 파라미터가 사용되기 때문에 1) 파라미터 개수가 증가하는 한계점이 있다.
VGG 논문 리뷰
네트워크 depth 키우기3 × 3 Conv 필터 고정적으로 사용하기(1번과 중첩) 16~19 weight layers 사용하기3 × 3 필터로 2번 Convolution 하는 것과 5 × 5 필터로 1번 Convolution 하는 것은 동일한 사이즈의 Feature
[논문 리뷰] Very Deep Convolutional Networks For Large-Scale Image Recognition
CNN의 깊이의 효과에 대해서 연구했다.매우 작은 3\*3 convolution filter의 구조로 깊이를 증가시켜 16~19까지 깊이를 증가시켰다.커다란 데이터셋과 고성능 컴퓨팅 기술로 인해 CNN은 이미지와 비디오 인식 분야에서 성공적이다.컴퓨터 비전 분야에서 정
✨Case Studies, Practical Advices for Using ConvNets
LeNet-5, AlexNet, ZFNet, VGG-16, GoogLeNet, ResNet
AI를 이용한 노트 필기 앱 : APlus (VGG model)
✔️ VGG model nn.Sequential 을 이용해서 VGG model을 이전에 작성했던 것보다 더 깔끔하게 작성할 수 있었다! image size는 32*32*3으로 resize해서 넣어주었다! VGG model 코드를 확실히 이해하고 싶다면 아래 post를
VGGNet
VGG16 > - VGGNet은 옥스포드 대학의 연구팀 VGG에 의해 개발된 모델로, 2014년 이미지넷 이미지 인식 대회에서 준우승을 한 모델이다. 통상적으로 VGGNet 모델부터 네트워크의 깊이가 이전 모델 대비 깊어졌다고 한다. CNN 알고리즘들 중에서는 이미지
[D&A 운영진 딥러닝 스터디] 3주차 2차시
이미지 분류 모델을 측정하기 위한 데이터로 가장 많이 사용하는 데이터셋2만 개 이상의 클래스와 약 1400만장의 이미지로 구성ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회에서 사용Yann LeCun 교수가
[밑바닥부터 시작하는 딥러닝1] 04. 합성곱 신경망(CNN)
합성곱 신경망(CNN; Convolutional Neural Network) 이미지 인식, 음성 인식에서 자주 사용 합성곱 계층(Convolution Layer), 풀링 계층(Pooling Layer) 존재 풀링 계층은 생략 가능 완전 연결 계층(Fully-
