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
- 딥러닝 공부
- 모두의 딥러닝 예제
- TensorFlow
- C언어 공부
- 해리스 코너 검출
- 딥러닝
- 가우시안 필터링
- 파이토치
- 팀프로젝트
- 김성훈 교수님 PyTorch
- 딥러닝 스터디
- 영상처리
- 파이토치 강의 정리
- c++공부
- c언어 정리
- 케라스 정리
- 모두의 딥러닝
- matlab 영상처리
- 미디언 필터링
- tensorflow 예제
- object detection
- MFC 프로그래밍
- 골빈해커
- pytorch zero to all
- c++
- pytorch
- 컴퓨터 비전
- 파이토치 김성훈 교수님 강의 정리
- c언어
- Pytorch Lecture
Archives
- Today
- Total
목록ResNeXt 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