초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

2012년 AlexNet의 시작으로 딥러닝 CNN 모형을 이용한 이미지 분류 분야의 연구는 ILSVRC를 중심으로 활발하게 진행되어 왔다.
본 연구는 ILSVRC 순위권에 등록되어 매 해 회자되었던 모형들 중, 특정 구조를 제시하여 성능 개선을 이루었던 모형들을 선별하여 효율성을 비교하였다.
각 모형의 원 논문에서 이용한 처리 방식의 효과를 배제하고 모형 구조에만 집중하였으며, 비교를 위한 모형 축소 과정에서

2012년 AlexNet의 시작으로 딥러닝 CNN 모형을 이용한 이미지 분류 분야의 연구는 ILSVRC를 중심으로 활발하게 진행되어 왔다.
본 연구는 ILSVRC 순위권에 등록되어 매 해 회자되었던 모형들 중, 특정 구조를 제시하여 성능 개선을 이루었던 모형들을 선별하여 효율성을 비교하였다.
각 모형의 원 논문에서 이용한 처리 방식의 효과를 배제하고 모형 구조에만 집중하였으며, 비교를 위한 모형 축소 과정에서 모수의 개수를 비슷한 규모로 통일하여 진행하였다.
성능 비교는 각기 특성이 다른 네 가지 데이터를 이용하였고, 효율성 비교를 위해 재구조화 시킨 모형의 연산량 또한 고려하였다.
본 논문에서는 이렇게 비교한 내용을 기반으로 어떤 모형이 효율적이었는지를 파악하여 최종적으로는 데이터에 따른 특정 구조, 특정 모형을 사용할 것을 제시하였다.

Abstract ▼ AI-Helper

Starting with AlexNet \citep{Alexnet} in 2012, research in image classification using deep learning CNN models has been actively conducted around ILSVRC.
This study compares efficiency by selecting models that were registered in the ILSVRC ranking and published each year, which had achieved perf...

Starting with AlexNet \citep{Alexnet} in 2012, research in image classification using deep learning CNN models has been actively conducted around ILSVRC.
This study compares efficiency by selecting models that were registered in the ILSVRC ranking and published each year, which had achieved performance improvement by presenting specific structures.
The effect of the treatment method used in the original paper of each model is excluded.
We focus only on the model structure, and the number of parameters are unified on a similar scale in the process of reducing the model for comparison.
The performance comparison uses four datasets with different characteristics and also considers the computations of the reconstructed model for the efficiency comparison.
Based on these comparisons, we finally suggest that specific structures, specific models according to the data, should be used by identifying which models are efficient in this paper.

주제어