(ResNet) Deep Residual Learning for Image Recognition

기존엔 깊은 Network는 학습이 어렵다는 단점이 있었습니다. 위 문제를 해결하기 위해 저자는 “residual learning framework”를 제안했고, 이것이 학습이 더 잘 되고 성능이 더 좋음을 실험을 통해 증명했습니다. 실제로, 기존에 있던 VGGnet보다 8배 깊은 네트워크를 학습시키는데 성공했으며, 더 높은 성능을 얻어내었습니다. 이 논문은 2023년 3월 기준 157364번의 인용을 받은 만큼 딥러닝에 있어서 매우 중요한 논문 중 하나입니다. ResNet에서 사용된 shortcut 아이디어는 후에 많은 모델에 적용될 정도로 중요한 아이디어이고, ResNet 자체도 여러 모델들의 backbone 모델로 사용되기까지 하니, 딥러닝을 하려면 꼭 알아야 될 내용인 것 같습니다. 무작정 깊은 네트워크의 성능이 좋은 것은 아니다. 출처: 원 논문 위와 같이 기존 모델은 56 layer를 가지는 plain 네트워크보다 20 layer의 성능이 더 높게 나왔습니다. 이는 무작정...

원문링크 : (ResNet) Deep Residual Learning for Image Recognition