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
- 파이토치
- pytorch zero to all
- 딥러닝
- c언어
- c++공부
- TensorFlow
- object detection
- 영상처리
- 가우시안 필터링
- 파이토치 김성훈 교수님 강의 정리
- 파이토치 강의 정리
- 미디언 필터링
- MFC 프로그래밍
- c언어 정리
- 케라스 정리
- 딥러닝 공부
- C언어 공부
- 모두의 딥러닝 예제
- c++
- 팀프로젝트
- matlab 영상처리
- 딥러닝 스터디
- tensorflow 예제
- 해리스 코너 검출
- Pytorch Lecture
- 모두의 딥러닝
- 김성훈 교수님 PyTorch
- pytorch
- 골빈해커
- 컴퓨터 비전
Archives
- Today
- Total
목록Transition Layer (1)
ComputerVision Jack
Densely Connected Convolutional Networks
Densely Connected Convolutional Networks Abstract 최근 Convolution Network는 Shortcut Connections 사용하여 정확도와 학습에 효율적이다. 저자들은 해당 관점을 보강하여 Dense Convolutional Network (DenseNet) 만들었다. 해당 Network는 각 Layer 다른 Layer와 Feed-forward 연결한다 DenseNet은 $L(L+1) / 2$ 직접적인 연결을 갖는다. 각각의 Layer는 모든 진행된 Layer의 Feature-Map 하위 Layer의 Input에 사용된다. 📌 [DenseNet Adventage] - vanishing-gradient 문제가 감소한다. - feature propagation..
Reading Paper/Classification Networks
2021. 12. 23. 09:53