본문 바로가기

🏛 Research/Image Classification3

[튜토리얼] 이미지 분류 예제 코드 소개 | Image Classification | Pytorch Image Classification(이미지 분류)은 컴퓨터비전과 딥러닝 분야에서 가장 간단한 예제 중 하나로, 흔히 MNIST 데이터셋을 이용한 숫자 분류기나 Cifar-10 같은 소규모 데이터셋을 학습하는 예제가 많이 공개되어 있다. 이미지 분류의 경우 아주 복잡한 작업이 아닌 경우 ResNet 정도로만 학습해도 꽤 준수한 성능을 낼 수 있기에 학습 & 평가 코드를 구축해두고 데이터셋과 모델만 변경해가며 사용하는 것이 편리하다. *복잡한 task의 경우 본인이 사용중인 학습&평가 코드에 새로운 모델을 이식하는 것이 쉽지 않다. 대부분 이런 경우에는 해당 논문(연구)의 저자가 제공하는 공식 레포지토리를 그대로 사용하는 것이 편하다. 이미지 분류 학습 및 평가 코드에 작성에 참고할 만한 사이트와 레포지토.. 2023. 8. 11.

[논문 리뷰] Bag of Tricks for Image Classification with Convolutional Neural Networks / 이미지 분류 분석 논문 CVPR 2019 에 공개된 논문으로, image classification 등의 vision 분야에서 참고하면 좋을 여러 training 방법론을 정리 및 실험한 논문입니다. Introduction Image classification task에서 성능을 높이기 위해서는 더 좋은 더 큰 network 를 쓰면 되지만, network를 변경하는 것 이외에도 성능을 좌지우지하는 많은 요소들이 존재합니다. 본 논문에서는 ResNet50을 기준으로 network architecture는 크게 변경하지 않고 여러 Trick 들을 실험한 결과를 제공합니다. 결과적으로, 여러 trick들을 적용하면 적용 이전보다 ImageNet Top-1 accuracy가 4% 가량이나 증가한다는 것을 보여줍니다(위의 Table .. 2022. 2. 21.

[간단 설명] 기본적인 CNN 아키텍처 설명 | VGGNet, ResNet, Densenet VGGNet - Very Deep Convolutional Networks for Large-Scale Image Recognition / arXiv 2014 ResNet - Deep Residual Learning for Image Recognition / CVPR 2016 Densenet - Densely Connected Convolutional Networks / CVPR 2017 VGGNet VGGNet은 AlexNet보다 network의 layer가 2배이상 깊어지며 더욱 복잡한 task를 해결할 수 있습니다. Network layer 가 깊어지고 성능이 향상될 수 있었던 이유는 VGGNet부터 convolutional filter를 3x3 size를 사용하여 네트워크를 깊게 쌓기 시작했기 때.. 2022. 2. 2.

이전 1 다음

티스토리툴바