R-CNN2 [CNN] R-CNN의 업그레이드, Fast R-CNN 저번에 CNN에 대한 이론적 내용을 소개하면서 R-CNN까지 설명했습니다. 하지만 R-CNN은 추출한 영역들을 모두 CNN 모델에 보내서 분류를 하기때문에 속도가 느리다는 단점이 있었고 이 점을 보완하고자 하여 만들어진것이 Fast R-CNN이라고 할 수 있습니다. 참고 논문 : arxiv.org/pdf/1504.08083.pdf R-CNN의 한계 논문에 따르면 3가지 단점이 있다고 한다. 1. Traning is a multil-stage pipline (학습에 많은 스테이지 과정이 필요) R-CNN은 학습을 하기까지 로그 손실함수(log loss)를 사용하여 합성곱층(ConvNet)을 조정한다. SVM은 분류기(Object Detectors)로서 사용되고 softmax를 통해 미세조정(fine-tun.. 2020. 10. 29. [CNN] CNN, R-CNN? 쉽게 알아보자 안녕하세요 대추입니다. 최근에 RetinaNet에 대해 개념정리하는 글을 작성하고 있었는데 설명하기 위해서는 CNN에 대한 지식이 있어야 하는데 저번에 정리한 CNN에 대한 글은 너무 기능에 집중된 글인 것 같아 이론적인 부분을 더 추가적으로 포스팅한 뒤에 여러 분류, 객체 탐지 알고리즘에 대한 글을 작성하고자 합니다. daechu.tistory.com/7 [CNN] CNN 기본 지식 CNN 간단한 프로세스 설명 1. Layer들을 쌓는다. (Conv, Pooling 레이어를 반복해서 쌓거나 Conv, Conv, Pooling과 같은 식으로 쌓는 방식으로 쌓아 모델을 만든다.) (VGG16의 경우 16이 이런 레이어가 16개 있다. daechu.tistory.com 해당 글은 arxiv.org/pdf/1.. 2020. 10. 26. 이전 1 다음 반응형
