Inception-v2, v3(2015)

#Inceptionv2 #Inceptionv3 #Classification >> 연산량 최소화해서 메모리가 제한된 edge device에서 사용하자 >> 3x3 conv보다 큰 필터는 다 3x3 여러번으로 바꿔서하고, linear가 아닌 relu activation을 사용하는게 더 좋다. 3x3보다 작을때는 1xn, nx1로 바꿔서하자 >> 기존 label이 [0, 1, 0, 0]이면 레이블 스무딩을 실시하고 [0.025, 0.925, 0.025, 0.025]가 됩니다. 정답에 대한 확신을 감소시켜 일반화 >> GoogLeNet논문에서 Auxiliary Classifiers(1x1 conv)를 적용하면 성능은 안올라가지면 정규화 효과있음 >> Inception-v3은 Inception-v2에서 BN-auxiliary + RMSProp + Label Smoothing + Factorized 7x7 을 다 적용한 모델 https://deep-learning-study.tistory.co...

원문링크 : Inception-v2, v3(2015)