뭐해시우

1. Overfeatclassification, localization and detection을 위해 convolutional network를 사용하는 integrated framework를 제시 - multi-scale input하나의 image를 다양한 크기로 입력받으면 image 내 존재하는 다양한 크기의 객체를 쉽게 포착하는 것이 가능하다.-> image scale이 커지면 더 작은 객체 탐지 가능   cnn model이 고정된 크기의 image를 입력받는 이유는 fc layer가 고정된 크기의 feature vector를 입력받기 때문-> fc layer를 conv layer로 대체해서 다양한 크기의 image 입력 받음 - Spatial outputs Non-spatial = 이미지 전체에 ..

1. Alexnet작은 dataset을 쓰는 것보다 많은 data를 가지고 학습하면 recognition task에 더 좋은 성능을 보일 것으로 판단함하지만 많은 dataset을 학습하기 위해서 큰 모델이 필요함 CNN은 feedforward neural network에 비해 더 적은 연결과 parameter를 가졌는데 성능이 더 좋다. architecture 8개의 layer = 5개의 convolutional layer + 3개의 fully connected layer 학습할 때 saturating nonlinearity 활성화 함수는 non saturating nonlinearity 활성화 함수보다 더 느려서 ReLU가 tanh보다 훨씬 빠르다. Local Response Normalization ..