• AI글쓰기 2.1 업데이트
DIAMOND
DIAMOND 등급의 판매자 자료
리포트 / 인문/어학

소프트웨어개발실무 ) 논문 내용 정리 - Going deeper with convolution

"소프트웨어개발실무 ) 논문 내용 정리 - Going deeper with convolution"에 대한 내용입니다.
10 페이지
한컴오피스
최초등록일 2023.01.31 최종저작일 2023.01
소프트웨어개발실무 논문 내용 정리 Going deeper
10P 미리보기
소프트웨어개발실무 ) 논문 내용 정리 - Going deeper with convolution
상세정보 자료후기 0 자주묻는질문

  • 미리보기

    목차

    1. 서론

    2. 본론
    (1) 연관 논문
    (2) 동기와 고수준 고려사항들
    (3) 아키텍처 세부 사항
    (4) GoogLeNet
    (5) 훈련 방법
    (6) ILSVRC 2014 분류 대회 및 검출 대회 결과

    3. 결론

    4. 출처 및 참고문헌

    본문내용

    “인셉션(Inception)”이라고 불리는 deep CNN의 아키텍처는 논의할 만한 가치가 있다. 대규모 시각 인식 대회 2014 (ILSVRC 14)를 통해 분류와 검출 부문에서 최고 수준의 새로운 기술을 제안한 인셉션은 정밀한 설계로 명성을 높였다. 특히, 아키텍처에서 핵심 목표인 네트워크 내의 계산이 요구되는 자원들을 더 향상된 방식으로 이용하는 데 성공하였다. 네트워크의 깊이와 너비를 확장하면서도 계산에 요구되는 비용을 정밀하게 유지하게 만든 탁월한 설계는 인셉션을 성공적으로 이끌었다. 헤비안 (Hebbian) 원칙과 대규모 처리의 직관이 아키텍처에 관한 결정을 내려 품질을 최적화하였다.
    논문에서는 ILSVRC 14에 출품한 GoogLeNet을 제안하고 있다. GoogLeNet은 22개의 계층으로 이루어진 깊은 네트워크이고 분류와 검출 부문에 출하되었다. GoogLeNet의 장점은 다음과 같다. GoogLeNet의 매개변수는 최고의 정확도를 보인다. 2년 전 ILSVRC 14 대회에서 우승한 Krizhevsky의 아키텍처보다 12배나 적게 매개변수를 이용하였지만, 훨씬 향상된 정확도를 보인다. 이러한 새로운 아이디어와 알고리듬, 나아가서 발전한 네트워크 아키텍처를 모두 겸비한 GooLeNet과 같은 모델이 더 견고한 convolutional 네트워크나 이미지 인식, 물체 검출의 품질을 급격하게 발달하도록 돕고 있다. 이렇게 물체 검출에서의 긍정적인 영향은 Girshick의 R-CNN 알고리듬과 같은 깊은 아키텍처가 한몫하였다고 볼 수 있다.
    이 논문에서는 효율을 극대화한 DNN 아키텍처를 제안하고 있으며, 인셉션이라는 코드 이름의 컴퓨터 비전을 위하고 있다. 인셉션 모듈의 형식을 취하며 새로운 조직 level을 논문에서 소개하고 있으며, 나아가 네트워크의 깊어진 깊이를 제시한다. 이 논문에서 제시하는 deep 아키텍처의 설계에는 정확도 외에 임베디드 컴퓨팅의 발전으로 알고리듬의 효율, 전력과 메모리 사용의 중요성 역시 논의한다. 나아가 실제 용도와 더 큰 데이터 집합을 대상으로 할 때도 비용의 합리성을 제기한다.

    참고자료

    · Going deeper with convolutions>. Christian Szegedy (Google Inc.), Wei Liu (University of North Carolina, Chapel Hill), Yangqing Jia (Google Inc.), Pierre Sermanet (Google Inc.), Scott Reed (University of Michigan), Dragomir Anguelov (Google Inc.), Dumitru Erhan (Google Inc.), Vincent Vanhoucke (Google Inc.), Andrew Rabinovich (Google Inc.).
    · https://wikidocs.net/119687

  • AI와 토픽 톺아보기

    • 1. GoogLeNet
      GoogLeNet은 2014년 ILSVRC 대회에서 우승한 CNN 모델로, 기존 CNN 모델들과 차별화된 독특한 아키텍처를 가지고 있습니다. 이 모델은 기존 CNN 모델들이 단순히 깊이를 늘리는 방식으로 성능을 높이는 것과 달리, 다양한 크기의 컨볼루션 필터를 병렬적으로 사용하여 입력 데이터의 다양한 특징을 효과적으로 추출할 수 있도록 설계되었습니다. 또한 모델의 깊이를 늘리면서도 파라미터 수를 줄이기 위해 1x1 컨볼루션 레이어를 사용하는 등 모델 효율성 향상에도 주력했습니다. 이러한 혁신적인 설계로 인해 GoogLeNet은 당시 최고 수준의 이미지 분류 성능을 달성할 수 있었습니다.
    • 2. 인셉션 아키텍처
      인셉션 아키텍처는 GoogLeNet의 핵심 구성 요소로, 다양한 크기의 컨볼루션 필터를 병렬적으로 사용하여 입력 데이터의 특징을 효과적으로 추출하는 방식입니다. 이 아키텍처는 기존 CNN 모델들이 단순히 필터 크기를 늘리는 방식으로 성능을 높이는 것과 달리, 다양한 크기의 필터를 동시에 사용함으로써 입력 데이터의 다양한 특징을 포착할 수 있습니다. 또한 1x1 컨볼루션 레이어를 사용하여 모델의 깊이를 늘리면서도 파라미터 수를 줄일 수 있어 모델 효율성이 높습니다. 이러한 혁신적인 설계로 인해 인셉션 아키텍처는 이미지 분류, 객체 탐지, 이미지 생성 등 다양한 컴퓨터 비전 분야에서 뛰어난 성능을 발휘하고 있습니다.
    • 3. ILSVRC 2014 대회 결과
      ILSVRC 2014 대회에서 GoogLeNet은 매우 인상적인 성과를 거두었습니다. 당시 이미지 분류 부문에서 가장 높은 정확도를 기록하며 우승을 차지했습니다. 이는 GoogLeNet의 혁신적인 아키텍처와 모델 설계가 이미지 분류 문제에 매우 효과적이었음을 보여주는 결과입니다. 특히 다양한 크기의 컨볼루션 필터를 병렬적으로 사용하는 인셉션 모듈이 입력 데이터의 특징을 효과적으로 추출할 수 있게 해주었고, 1x1 컨볼루션 레이어를 통한 모델 효율성 향상도 큰 역할을 했습니다. ILSVRC 2014 대회 우승은 GoogLeNet이 당시 최고 수준의 이미지 분류 모델이었음을 입증하는 중요한 성과라고 할 수 있습니다.
    • 4. 논문의 기여
      GoogLeNet 논문은 컴퓨터 비전 분야에 여러 가지 중요한 기여를 했습니다. 첫째, 인셉션 아키텍처라는 혁신적인 모델 설계를 제안했습니다. 이는 기존 CNN 모델들과 차별화된 접근 방식으로, 다양한 크기의 컨볼루션 필터를 병렬적으로 사용하여 입력 데이터의 특징을 효과적으로 추출할 수 있게 해주었습니다. 둘째, 모델의 깊이를 늘리면서도 파라미터 수를 줄이는 방법을 제시했습니다. 이를 통해 모델 효율성을 크게 향상시킬 수 있었습니다. 셋째, ILSVRC 2014 대회에서 우승함으로써 GoogLeNet이 당시 최고 수준의 이미지 분류 모델임을 입증했습니다. 이러한 혁신적인 모델 설계와 뛰어난 성능은 컴퓨터 비전 분야에 큰 영향을 미쳤으며, 이후 다양한 응용 분야에서 활용되고 있습니다.

  • 자료후기

      Ai 리뷰
      이 논문은 인셉션 아키텍처라고 불리는 deep CNN 모델을 소개하고 있으며, 특히 ILSVRC 2014 대회에서 우수한 성과를 거둔 GoogLeNet 모델을 중점적으로 다루고 있습니다.

    • 자주묻는질문의 답변을 확인해 주세요

      해피캠퍼스 FAQ 더보기

      꼭 알아주세요

      • 자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
        자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
        저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
      • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
        파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
        파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우
    • 정가
      3,000원
      판매자스토어판매자스토어 자료문의자료문의 링크복사 링크복사
      • 지식판매자
        ReportRed D
      • 페이지
        10 페이지 한컴오피스
      • 최초등록일
        2023.01.31
      • 최종저작일
        2023.01
    문서 초안을 생성해주는 EasyAI
    안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
    저는 아래와 같이 작업을 도와드립니다.
    - 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
    - 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
    - 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
    이런 주제들을 입력해 보세요.
    - 유아에게 적합한 문학작품의 기준과 특성
    - 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
    - 작별인사 독후감
    “EasyAI 가 작성한 문서 초안은 완벽하지 않을 수 있습니다"
    EasyAI 이동하기
    해캠 AI 챗봇과 대화하기
    챗봇으로 간편하게 상담해보세요.
    2026년 01월 01일 목요일
    AI 챗봇
    안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
    1:56 오전