cnn (6) 썸네일형 리스트형 DenseNet 구현 및 학습 DenseNet(Dense Convolutional Network)은 2017년 Gao Huang 등이 발표한 딥러닝 모델로, 레이어 간의 밀집 연결(Dense Connectivity) 을 통해 네트워크의 효율성을 극대화한 구조입니다. DenseNet은 기존의 합성곱 신경망(CNN)에서 레이어 간 정보 흐름을 크게 개선하여, 파라미터 효율성과 성능 모두에서 우수한 결과를 보입니다.DenseNet의 주요 특징 및 구조Dense Connectivity (밀집 연결성)특징맵 재사용: DenseNet에서는 각 레이어가 이전 모든 레이어의 출력(특징맵)을 입력으로 받습니다. 즉, 레이어 l 의 입력은 이전 레이어들 0,1,2,...,l−1의 출력이 모두 연결된 형태입니다.수학적으로, l 번째 레이어의 입력은 다음.. TensorFlow 함수형 API 로 VGGNet 논문 구현 VGGNet (2014)16~19개의 깊은 층을 쌓아 네트워크의 깊이와 성능 간의 관계를 조사3x3 Convolution Layer 를 여러 개 쌓는 단순하고 일관된 구조를 사용K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," in International Conference on Learning Representations (ICLR), 2015.주요 특징단순한 구조:VGGNet의 구조는 매우 단순합니다. 3x3 크기의 작은 필터를 사용하는 합성곱 층(convolutional layer)과 최대 풀링 층(max pooling layer)을 깊게 쌓아 올린 형태로 설계되었습니다.. TensorFlow 함수형 API 로 AlexNet 논문 구현 AlexNet (2012)딥러닝이 주목받는 계기가 된 모델로, 5개의 Convolutional Layer와 3개의 Fully Connected Layer로 구성ReLU 활성화 함수와 Dropout을 도입하여 학습 성능 향상.A. Krizhevsky, I. Sutskever and G. E. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," in Advances in Neural Information Processing Systems (NIPS), 2012.AlexNet은 2012년 ImageNet 대회에서 우승하며 딥러닝의 가능성을 널리 알린 모델입니다.구성: 5개의 Convolutional Layer와 3개의 Fully.. ViT 에서 언급한 CNN 의 Inductive bias 에 대해 알아보자 개요Vision Transformer(ViT) 논문에서 언급한 inductive bias에 대한 개념을 정리하고 기록을 남깁니다. 1. Indective Bias 란? Inductive Bias는 학습 시스템이 새로운 데이터를 일반화하는 방식에 대한 선호나 가정을 의미합니다. 이는 인간이나 인공지능이 학습하고 추론할 때 모든 가능한 경우를 다 고려하는 것이 아니라, 특정 방식으로 일반화하는 데 도움을 줍니다.Inductive Bias의 중요성인공지능 모델이 학습 데이터에서 본 것 이상으로 새로운 상황에서 잘 작동하려면, 반드시 어떤 형태의 inductive bias가 필요합니다. 모델이 데이터에서 직접적으로 학습할 수 없는 정보나 규칙들을 미리 제공해 줌으로써 일반화의 방향을 정하는 것입니다. CNN,.. CNN 과 RNN 대표 모델 개요딥러닝의 가장 대표적인 CNN 과 RNN 모델을 간략 하게 정리 해 본다. CNN : LeNet, AlexNet, VGGNet, GoogleNet, ResNet1. LeNet(1998)최초의 CNN 모델 중 하나로, 손글씨 숫자 인식에 사용됨.Convolutional Layer와 Pooling Layer를 교대로 사용하며, Fully Connected Layer로 연결되는 구조.Y. Lecun, L. Bottou, Y. Bengio and P. Haffner, "Gradient-based learning applied to document recognition," in Proceedings of the IEEE, vol. 86, no. 11, pp. 2278-2324, Nov. 1998, doi: 1.. Going Deeper with Embedded FPGA Platform for Convolutional Neural Network 리뷰 개요임베디드신경망 수업에서 리뷰 발표 하였던 해당 논문에 대해 기록을 남긴다.Abstract연구 배경 및 문제점CNN(Convolutional Neural Network)은 컴퓨터 비전 분야에서 성공적으로 활용되고 있지만 계산 집약적이고 자원 소모적이어서 임베디드 시스템에 통합하기 어려움.FPGA(Field Programmable Gate Array)는 CNN 가속화에 유망하지만, 제한된 대역폭과 메모리 크기가 성능에 제약연구 목표임베디드 FPGA 플랫폼에서 CNN 가속기 설계를 통해 Image-Net 대규모 이미지 분류를 효과적으로 수행.주요 방법 및 기여최신 CNN 모델 분석: Convolutional 레이어는 계산 중심적, Fully-Connected 레이어는 메모리 중심적임을 확인.동적 정밀도 데.. 이전 1 다음
