반응형 shortcut1 Deep Residual Learning for Image Recognition(ResNet) ResNet 원 논문 arxiv.org/pdf/1512.03385.pdf 참고 자료 leechamin.tistory.com/184 local minimalize에 빠질 때 마다 0.1씩 곱해줌(0.1->0.01->0.001...) ## Experiments Dataset은 ImageNet를 사용하였다. 1. Plain Network vs Residual Network Plain network을 보면 층이 깊어지면(34층) 에러율이 층이 깊지 않은(18층)보다 더 높아진다. 반면에 ResNet은 층이 깊어지면(34층) 에러율이 더 낮아지고 좋은 퍼포먼스를 보인다. 따라서 ResNet의 아이디어 shortcut connection의 효과로 층이 깊어질수록 더 좋은 성능을 낸다는 것을 증명하였다. 2. Ide.. 2021. 3. 13. 이전 1 다음 반응형
