분류 전체보기74 [논문리뷰] CNN :: ResNet 톺아보기 ResNet 논문 리뷰 He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778). ResNet 논문 리뷰를 시작하며 ResNet은 ILSVRC 대회에서 오류율 3.6%를 기록하며 1위를 한 모델이다. 이미지 분류하는 작업에서 인간의 오류율이 5.1%인 것을 감안하면, ResNet의 3.6%의 오류율은 인간보다 더 뛰어난 성과를 기록한 것이다. (하지만 휴먼 에러의 기준의 top-1인지 top-5인지에 따라 이야기가 조금 달라질 거 .. 2018. 12. 2. UX ISSUE :: 이메일 마케팅에 대한 단상(1) 이메일 마케팅은 아직도 효과적일까? 첫 번째 이야기. 효과적으로 이메일 마케팅하기이야기를 시작하기 전,매주 UX 디자이너들과 UX 이슈 중 주제를 정하여 자유롭게 대화를 나누는 스터디(a.k.a 445ml)를 진행하고 있는데요. 스터디 때 다뤘던 내용들을 정리할 겸 블로그에 공유하고자 합니다! 이번 주에 다뤘던 주제는 '이메일 마케팅'입니다. 최근 법적으로 고지를 해야하는 내용부터 사용자에게 알림을 주는 용도, 마케팅 수단 등으로 DM(Direct mail)을 기획하면서, 이메일 기획이 다소 어렵다고 느꼈습니다.이메일을 보내지 않는 웹/모바일 서비스가 없을 만큼, 이메일을 보내는 건 필수이면서도 이메일을 잘 활용하는 서비스는 쉽게 찾아보기 어려운데요.그래서 이번 주제는 '이메일 마케팅'으로, UX와 서비스 기획, 운영 관점에서 이야기를 나.. 2018. 11. 24. [논문리뷰] CNN :: VGGNet 톺아보기 VGGNet Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556. https://arxiv.org/abs/1409.1556 논문 요약ILSVRC 2014 대회에서 2등을 차지한, Karen Simonyan과 Andrew Zisserman이 만든 CNN 모델 VGGNet은 네트워크의 깊이가 모델이 좋은 성능을 보이는 데 중요한 역할을 한다는 것을 보여줌VGGNet의 필터 크기는 3x3, stride 1, 제로 패딩 1의 Conv 레이어로 이루어져 있으며, 필터 크기 2x2 (패딩 없음)의 Max-pool을 Pooli.. 2018. 11. 18. [논문리뷰] CNN :: AlexNet 톺아보기 논문 리뷰. AlexNet 톺아보기 Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105). 상세 과정 서론ImageNet LSVRC-2012 대회에서 2등(에러율 26.2%)과 11.1%의 큰 격차를 벌리며 1등(에러율 15.3%)을 한 모델에 대한 설명고해상도 이미지는 CNN 계산량이 매우 많기 때문에, GPU를 최적화하여 2D 합성곱(convolution)을 구현함 (GTX580 3G 2개를 이용하여 학습하는 데 5~6일.. 2018. 11. 11. 이전 1 ··· 5 6 7 8 다음
