VGG-16 모델은 2014년 Very Deep Convolutional Networks for Large-Scale Image Recognition 논문으로 소개되어,
ImageNet Challenge에서 Top-5 테스트 정확도를 92.7% 달성면서 딥러닝을 활용한 CV 분야에서 큰 성과를 보인 architecture이다.
오늘은 이렇게 현재 가장 널리 쓰이고 있는 vision모델의 하나인 VGGNet에 대에서 탐구해보자.
우선 VGG의 뒤에 VGG-16, VGG-19와 같이 숫자가 붙어있는데, 이 부분은 layer의 깊이를 의미하는것이다.
VGG는 기존 AlexNet에서 적용하지 못했던 deep layer를 적용하여 성능을 크게 개선했다는데 큰 의미가 있다.
기존 AlexNet 오차율 | 16.4% --> VGGNet 오차율 7.6%
VGG중에서 VGG-16을 기준으로, Architecture를 살펴보면,
- 흰색박스로 표현된 총 13개의 conv layer가 3개의 Fully-connected layer와 연결된 형태
- filter는 3x3으로 적용
- 붉은색박스로 표현된 2x2의 max-pooling이 적용
'DEVELOP_NOTE > ML' 카테고리의 다른 글
| 컨텐츠 기반 추천 vs 협업 필터링 (0) | 2023.06.26 |
|---|---|
| [Real-time Instance Segmentation] 화상대화 배경제거 (1) (0) | 2023.01.09 |
| [Meta Learning] Few-Shot Learning을 알아보자! (2) | 2022.09.29 |
| [차원축소]차원축소 모델 비교분석_의료 (0) | 2022.09.13 |
| [CNN]CNN(Convolutional Neural Networks) : 합성곱 신경망을 파헤쳐보자! (0) | 2022.09.07 |
