데이크루 7주차 정리 내용(Inception V2 3, EfficientNet )

안녕하세요!

데이콘 서포터즈인 데이크루 1기에 선발되어 열심히 활동하려고 하는 장어진입니다. 

본 카테고리에 올라오는 글은 데이콘 서포터즈 "데이크루" 1기 활동의 일환입니다. 

이번 7주차에 해당하는 22년도 2월 21일부터 2월 27일까지 제가 작성한 글을 소개하려고 합니다. 

 

첫번째 내용은 Rethinking the Inception Architecture for Computer Vision 입니다. 모델 크기나 계산 효율성에 한계가 있어 모바일 환경과 같은 다양한 상황에 적용하고자 추가 계산량을 적절히 분배해 최대한 효율적으로 만들었다고 합니다. 제안한 방법으로 ILSVRC 2012 Dataset top 1 error 17.2%, top 5 error 3.58%를 달성했다고 합니다. 관심있으신 분들은 하단의 링크를 참고해주세요! 

https://dacon.io/forum/406051?utm_source=dacrew&utm_medium=415489&utm_campaign=dacrew_1

[논문 리뷰] Inception V2, V3

 

두번째 내용은 EfficientNet(EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks)입니다. 유명한 네트워크 구조로 이미지 분류 문제를 풀 때 베이스로 잡고 푸는 것이 일반적인 네트워크 구조이죠. 2019년 5월에 발표된 논문으로 여전히 많이 사용하고 있고 최근?에 V2도 나온 것으로 알고 있습니다. 해당 논문은 모델의 depth, width, resolution 사이의 관계를 파악하고 compound coefficient를 통해 scaling을 한다고 합니다. 자세한 사항은 하단의 링크를 참고해주세요!

https://dacon.io/forum/406054?utm_source=dacrew&utm_medium=415489&utm_campaign=dacrew_1

[논문 리뷰] EfficientNet

 

 

데이크루 1기 장어진

#데이콘 #DACON #데이콘 서포터즈 #데이크루 #AI #인공지능 #Data Science #데이터 사이언스 # 경진대회 #커뮤니티 #플랫폼 #CNN 설계 #Inception V2 #Inception V3 #EfficientNet #효율적인 모델 #CNN baseline #AI 정보 정리 #AI 최신 논문 정리