Deep Residual Learning for Image Recognition

1. Introduction 왜 deeper layer의 성능이 shallow layer 보다 좋지 않았다. overfitting 때문일까? -> 그것도 아니더라. 3.1. Residual Learning ) 실험을 해봤더니, H(x)가 x가 되는 것 보다 f(x)가 0이 되는게 더 쉽다. Residual == F(x) 변화량(Residual)만 학습해도 되도록 해보자 3.2. Identity Mapping by Shortcuts 몇 개의 스택 레이어마다 잔여 학습을 채택 Building block의 수식은 아래와 같다. y=F(x,{W_i})+x x : input vector y : output vector F(x,{w_i}) -> 학습됨을 보여줌 2 layers => F=W_2\sigma(W_1x) ..
인공지능 AI 2021. 6. 25. 01:02
1