Classification 썸네일형 리스트형 An Energy and GPU-Computation Efficient Backbone Networkfor Real-Time Object Detection densenet은 dense connection을 이용해서 기존 resnet보다 더 다양한 feature level 정보를 사용할 수 있다. 하지만 dense connection은 memory와 연산량 측면에서 overhead가 존재. ResNet은 elementwise sum 즉 out = out + x 초기 feature map 정보가 사라질 수 있음. densetnet은 concat 한다. 즉 out = torch.cat([out,x]) 초기 fature map 정보가 유지. 이를 해결하기 위해 One-Shot Aggregation (OSA)로 구성된 VoVNet 제안. DenseNet 단점 DenseNet이 적은 FLOPs을 갖지만 ResNet 대비 많은 리소스 소모 FLOPs 외에도 memory.. 더보기 Product Image Recognition with Guidance Learning and Noisy Supervision Product-90 dataset 생성. 사용자의 리뷰를 기반으로 labels 생성. label 생성 cost를 줄일 수 있음 90개 클래스에 대해 140K 이상의 이미지 수집. noisy가 포함된 label에 대해 guidance learning (GL)을 도입. Products-90 뿐 아니라 Food101, Food101N, Clothing1M 에서도 실험. Guidance Learning 아래 두 단계로 구성 1) teacher network training 2) student network training. teacher network training noisy가 포함된 전체 dataset에 대해 학습. cross entropy 학습 student Network dataset을 noisy sub.. 더보기 이전 1 다음
