Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections

denoising and superresolution 에 적용 가능한 모델 특징 symmetric convolution (convolution-deconvolution) encode-decode 구조 skip connections 을 이용 (U-Net구조) 더 깊은 모델을 생성 가능 구조  input image size 243×243 n개 layer 3×3 stride conv layer n개 deconv layer skip connection 학습 Adam 사용 lr 1e-4 50 × 50 patch Berkeley Segmentation Dataset (BSD)300 이미지를 사용denoise를 위해서는 gaussian…

더 보기

CNN 아키텍쳐 리뷰 (MobileNet)

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 4월에 발표된 모바일 플랫폼에서도 충분하게 활용할 수 있는 가벼운 CNN architecture이다. xception에서 depthwise Separable Convolution을 우리는 접하였다. 하지만 xception에서는 cross-channel correlations and spatial correlations 을 decouping 하기 위한 목적이었다면 mobilenet에서는 약간 다른 목적을 가지고 있다. (순서와 구현 또한 약한 차이가 존재한다) 목적은 무엇일까? CNN의 구조를 바꾸어 성능을 향상…

더 보기

CNN 아키텍쳐 리뷰 (AlexNet)

2012년 이미지넷 대회에서 gpu를 사용하여 괄목할 성과를 내서 CNN의 시대를 열어준 가장 유명한 네트워크 알렉스넷에 대해서 알아 보겠다. 알렉스넷이 이전의 네트워크와의 차이점을 가지는 점은 아래와 같다. Relu Function Momentum Function Trainging on Multiple GPUs(50x than cpu using GTX580x2) Local Normalization Response Normalization Data Augmentation Dropout  Overlapping Pooling Relu Function f(x) = max(0, x) 이 Relu function이다….

더 보기