[논문정리📃] Very Deep Convolutional Networks For Large-Scale Image Recognition

Very Deep Convolutional Networks For Large-Scale Image Recognition

- VGG16 -

논문원본😙

논문 내용도 단순하고 레이어 구조도 전에 나온 구조들보다 심플했다. 그런데 성능이 더 좋다니 신기하면서도 오늘도 에러를 고치며 내 학습은 왜 안되는지 의문..ㅎㅎ

논문에서 강조하는것은 딱 2가지이다 3x3으로 작은 receptive field를 사용하였고 layer depth 가 깊다는 것이다! 짚고 넘어가기!

VGG-16 코드구현 페이지. => VGG-16

1. 개요

본 논문에서는 대규모 이미지 인식환경에서의 CNN 깊이에 따른 정확도에 대해 연구하였다.

이 논문의 핵심은

(1) 3x3 의 작은 receptive field

(2) 16~19 layers 의 깊은 구조

을 사용함에도 기존의 방법보다 더 좋은 성능을 보이는 것이다.

2. architecture

Vgg의 구조는 표와 같이 11, 13, 16, 19 layer에 따른 모델들이 있다. (내가 구현한 것은 D의 VGG-16 이다.)

여기서 주목할 2가지 핵심내용은 다음과 같다.

7x7 Convolution layer 대신 3x3 Convolution layer사용한 이유!

3x3 Convolutional layer을 3개 사용하는 것은 7x7 Convolutional layer을 1개 사용하는 것과 같지만, 파라미터 수가 적다

           $3(3^2C^2)<(7^2C^2)$

파라미터 수 계산해보니 3X3을 세번 연산한 값이 7X7 한 번 보다 적은 것을 확인!

1x1 Convolutional Layer를 포함시키는 이유!

Convolutional Layer의 receptive field를 건들지 않고도 decision function의 비선형성을 증가시키기 위함.

3. 성능