Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

1.Abstract

1.1 현황

- 심층 신경망 덕분에 최근 이미지 인식 성능이 크게 향상됨

- 그 중에서 인샙션 아키텍처가 상대적으로 적은 계산량으로도 좋은 성능을 얻을수가 있었다.

- 최근에 고전적인 신경망 아키텍처에다가 잔차 연결을 결합하였더니 2015 ILSVRC 대회에서 인샙션 v3과같은 최신 모델에 가까운 성능을 얻어내었다.

 

1.2 소개

- 인셉션 아키텍처에다가 잔차 연결을 추가함.

- 인샙션 신경망의 학습이 가속화되었고, 잔차 연결이 없는 경우보다 성능이 크게 향상되었다.

- 새로운 잔차/비잔차 인셉션 신경망들을 보여주고, 이들이 ILSVRC 2012 분류 대회 때보다 크게 성능향상을 이루었다.

- 어떻게 적절히 활성 정도를 스케일링을 해야 다양한 잔차 입샌션 신경망의 학습을 안정화 시키는지 보여준다.

 

1.3 결과

- 세 잔차 모델과 하나의 인셉션 v4 모델의 앙상블로 이미지넷 분류 대회의 테스트셋으로 3.08%의 top-5 error를 얻어내었다.