WRN: 넓은 잔차망을 활용한 이미지 분류 최적화
Wide Residual Networks(WRN)는 Sergey Zagoruyko와 Nikos Komodakis가 2016년에 발표한 아키텍처로, 잔차 블록의 채널 수를 확장하면서 깊이를 줄이는 전략으로 이미지 분류의 효율성을 극대화했다. CIFAR-10에서 3.8%, CIFAR-100에서 18.3%의 오류율을 기록하며, 기존의 깊은 네트워크 대비 월등한 학습 속도를 입증했다.
깊이 대신 넓이를 선택한 이유
기존 ResNet은 ...
7월 11일 23:51에 게시됨
PyTorch 비전 라이브러리 활용 가이드
torchvision은 PyTorch 기반 딥러닝 프로젝트에서 이미지 처리와 컴퓨터 비전 모델 구축을 지원하는 핵심 패키지다. 주요 구성 요소는 다음과 같다:
torchvision.datasets: 표준 데이터셋 로딩 인터페이스 제공
torchvision.models: 사전 학습된 네트워크 아키텍처 포함
torchvision.transforms: 이미지 전처리 및 증강 연산
torchvision.utils: 보조 유틸리티 함수
이 ...
6월 29일 22:58에 게시됨
CBAM 모듈을 활용한 사전 학습 ResNet 성능 향상 전략
1. ResNet 구조 분석과 CBAM 삽입 위치
사전 학습된 모델에 새로운 모듈을 추가하여 성능을 향상시킬 수 있는지 고민해볼 필요가 있습니다. 핵심은 기존 구조와 가중치를 유지하면서 어떻게 하면 특성 추출기의 파라미터를 손상시키지 않을 수 있는지에 있습니다. 본 글에서는 두 가지 질문에 답하고자 합니다.
ResNet18에 CBAM 모듈을 어떻게 삽입할 것인가?
어떤 사전 ...
6월 10일 23:54에 게시됨
주요 딥러닝 아키텍처의 PyTorch 구현 기법
딥러닝 연구에서 검증된 주요 신경망 아키텍처인 VGG, DenseNet, Inception, ResNet의 핵심 구조를 PyTorch로 구현하는 방법을 살펴봅니다.
1. VGG16 네트워크 구조
VGG는 3x3 커널을 가진 연속적인 컨벌루션 층과 풀링 층을 쌓아 깊은 특징 추출을 수행합니다. 매 풀링 단계마다 채널 수를 2배로 확장하는 특징이 있습니다.
import torch.nn as nn
class VG ...
6월 2일 18:37에 게시됨
fb.resnet.torch를 활용한 ResNet 이미지 분류 및 특징 추출 가이드
fb.resnet.torch는 Facebook AI Research에서 공개한 Torch 기반의 ResNet 구현체로, 논문 "Deep Residual Learning for Image Recognition"의 아키텍처를 충실히 구현하고 있습니다. 이 프로젝트는 사전 학습된 모델을 통해 이미지 분류와 특징 추출 기능을 제공하며, 연구 및 서비스 프로토타이핑에 유용하게 사용될 수 있습니다.
1. 사전 학습된 모델 준비
먼저 ResNet ...
5월 31일 06:12에 게시됨