6-1. 이미지 분류를 위한 신경망

6-1-3. VGGNet

Overview

<aside> 🌠 - 합성곱 층의 파라미터 수를 줄이고 훈련 시간을 개선하고자 함

• 네트워크의 깊이가 성능에 어떠한 영향을 미치는지 확인하고자 하였음 ㄴ 깊이의 영향만을 탐구하고자 하였음 → experiment를 위해 다른 조건들을 통제 - filter/kernel size = 3 x 3 - max-pooling size = 2 x 2 - stride = 2

</aside>

• 네트워크 계층의 총 개수에 따라 VGG16, VGG19로 나뉨

  

  

  VGG16 구조

출처: Very Deep Convolutional Networks for Large-Scale Image Recognition

6-1-4. GoogLeNet

<aside> 🌠 “주어진 하드웨어 자원을 최대한 효율적으로 이용하면서 학습 능력은 극대화 해보자”

• 깊고 넓은 신경망을 위해 인셉션(inception) 모듈을 추가하였음
• 희소 연결(sparse connectivity) 활용 ㄴ 빽빽하게 연결된 신경망 대신 관련성이 높은 노드끼리만 연결 ㄴ 연산량 감소, 과적합 해결

</aside>