해당 논문은 2017년 CVPR 학회에 발표한 논문입니다. 논문에 대한 전문을 보시려면 여기를 클릭하세요. 혹시 잘못된 내용이 있으면 언제든지 댓글 부탁드립니다! 최근 프로젝트 내용들을 정리하다가 객체 검출에서 DetectorRS 모델의 Backbone으로 활용했던 resnext 논문을 읽고 정리했습니다. 1. 논문 정리 Abstract 논문에서는 동일한 형태의 연산으로 얻은 값들을 합하는 buliding block을 반복하는 방식으로 네트워크를 구축합니다. 새로운 개념인 "Cardinality"를 소개하는데, Cardinality는 변환을 적용한 동일한 빌딩의 개수를 일컫습니다. Cardinality는 depth와 width와 더불어 중요한 요소라고 주장합니다. 실험은 제한된 복잡도를 유지한 상태로 C..
학습포스팅/Paper Review
해당 논문은 2016년 CVPR 학회에 Microsoft에서 발표한 논문입니다. 논문에 대한 전문을 보시려면 여기를 클릭하세요. 혹시 잘못된 내용이 있으면 언제든지 댓글 부탁드립니다! 지난 Paper Review에서는 Resnet의 논문에 대해 알아봤습니다. 이번에도 동일하게 Microsoft에서 Resnet의 논문이 왜 좋은 성능이 나왔는지와 다양한 시도를 통해 개선된 Resnet을 제안하는 논문입니다. 1. 논문 정리 Abstract 지난 논문인 "Deep Residual Learning for Image Recognition"이 깊은 모델 구조에서도 좋은 성능을 보여줬습니다. 이 논문에서는 Residual building block에서의 propagation formulations을 분석합니다. a..
해당 논문은 2016년 CVPR에 Microsoft Research에서 발표한 논문입니다. 논문에 대한 전문을 보시려면 여기를 클릭하세요. 혹시 잘못된 내용이 있으면 언제든지 댓글 부탁드립니다! 최근 프로젝트 내용들을 정리하다가 residual connections이 어떻게 degradation 문제를 해결할 수 있었는지에 대해 알기 위해 작성했습니다. 글을 작성하는 시점인 8월 12일 기준으로 약 85000회 인용이 된 논문입니다. 그만큼 중요한 논문이라고 할 수 있습니다. 논문 내용은 Abstract부분부터 순차적으로 정리했으나, 일부 겹치는 부분들이 있습니다. 또한 Related Work에 대한 내용들은 다루지 않은 부분도 있으니 참고하시면 좋을 것 같습니다. 1. 논문 정리 Abstract Neu..
