일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- pytorch zero to all
- c++공부
- 미디언 필터링
- 딥러닝
- 모두의 딥러닝
- Pytorch Lecture
- 딥러닝 스터디
- 딥러닝 공부
- MFC 프로그래밍
- c언어
- 영상처리
- 가우시안 필터링
- 팀프로젝트
- matlab 영상처리
- 컴퓨터 비전
- 파이토치 강의 정리
- 골빈해커
- object detection
- c++
- 해리스 코너 검출
- C언어 공부
- tensorflow 예제
- c언어 정리
- 파이토치 김성훈 교수님 강의 정리
- 케라스 정리
- 김성훈 교수님 PyTorch
- 파이토치
- 모두의 딥러닝 예제
- TensorFlow
- pytorch
Archives
- Today
- Total
목록Module Cardinarity (1)
ComputerVision Jack
Aggregated Residual Transformations for Deep Neural Networks
Aggregated Residual Transformations for Deep Neural Networks Abstract 논문에서 소개하는 Network는 같은 Topology에 대해 변형 시킨 Building Block 반복하여 설계하였다. 이 설계는 적은 Hyper-Parameter 통해서 동종의 Multi-Branch한 구조의 결과로 나타났다. 앞에서 소개한 전략은 "Cardinality" (the size of the set of transformations) 새로운 Dimension 생성한다. 이 Dimension은 Depth와 Width Dimension 외에도 필수적인 요소이다. 게다가 Capacity 위해 Network 깊고, 넓게 만드는 것 보다, Cardinality 증가 시키는 것..
Reading Paper/Classification Networks
2021. 12. 21. 09:55