본문 바로가기

딥러닝/모델

CNN과 Fully Connected Network의 차이점 및 ResNet에대하여

스터디일시 : 20년 01/10 금요일 오후 6시 30분

 

스터디내용 :

 

CNN 과 Fully Network Layer 의 차이점

 

 

                 

s는 output featuremap을 의미하고 , x는  input featuremap을 의미한다.

fully connected layer의 경우 input이 output featuremap의 픽셀값에 다 반영이 되지만,

CNN의 경우 input의 일부만이 반영이 된다.

 

CNN은  weight를 공유한다. 같은 색깔은 같은 weight를 의미한다.

 

ResNet이 왜 나오게 되었는가?

층이 깊어질 수록 vanishing gradient 문제가 발생하여 
성능이 오히려 저하된다.
이문제를 해결하기 위해서 기존의 layer를 파라미터 없이 
연결하여 성능저하를 막는다.

 

Residual Block 을 BottleNeck으로 왜 교체하는가?

Net 상에서 Parameter의 갯수가 감소하여 CNN의 연산 속도 향상 효과를 불러온다.

 

Resnet.pptx
1.14MB

'딥러닝 > 모델' 카테고리의 다른 글

Attention 모델(간략하게)  (0) 2020.08.15
InceptionNet  (0) 2020.07.18