Paper review (2) 썸네일형 리스트형 MobileNetV2 : Inverted Residuals and Linear Bottlenecks *Techniques for Small Deep Neural Networks Remove Fully-Connected Layers Kernel Reduction (3x3 -> 1x1) Channel Reduction Evenly Spaced Downsampling Depthwise Separable Convolutions Shuffle Operations Distillation & Compression -> 수정필요 1. Target Resource ↓ Accuracy ↑ Speed ↑ 2. Key Features Depthwise Seperable Convolutions (MobileNetV1) Linear Bottlenecks Inverted Residuals *Depthwise Seperable C.. [Paper review] Learning Data Augmentation Strategies for Object Detection *Introduction Data Augmentation은 일반적으로 학습 데이터가 부족하거나, 데이터를 증강시켜 모델 성능을 개선시킬 때 사용한다. 데이터가 부족한 경우 데이터셋의 특징들을 잘 잡아내지 못할 뿐만 아니라 Overfitting, Underfitting에 빠지기 쉽다. 다음과 같이 원본 이미지에 인위적인 변화를 주고 데이터의 양을 증폭시킬 수 있다. Q1. Object Detection에선 Data Augmentation이 다른가? Image classification에서는 이미 Data Augmenation은 필수적이고, 모델의 큰 성능을 가져오는것이 입증되었다. But, Object Detection에서의 Data Augmenation은 입증된 바가 많지 않음. Why? Object D.. 이전 1 다음
