| 논문명/저자/소속 | OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks |
|---|---|
| 저자(소속) | Pierre Sermanet, Yann LeCun(NYU) |
| 학회/년도 | ICLR2014, 논문, 발표_동영 |
| 키워드 | |
| 참고 | 코드, 요약자료#1(한글), 요약자료#2(한글) |
OverFeat
Dense evaluation : CNN의 classifier로 흔히 사용되는 Fully-connected layer를 1x1 convolution 개념으로 사용하게 되면, 고정된 이미지뿐만 아니라 다양한 크기의 이미지를 sliding window 방식으로 처리할 수 있으며, feature extraction 블락의 맨 마지막 단에 오는 max-pooling layer의 전후 처리 방식을 조금만 바꾸면, 기존 CNN 방식보다 보다 조밀하게(dense) feature extraction, localization 및 detection을 수행할 수 있게 된다. 물론 multi-crop 방식보다 연산량 관점에서 매우 효율적이다.
SPPNet의 Spatial Pyramid Pooling이 더 좋은 성능을 보임
1. 개요
OverFeat과 다른 알고리즘 비교
- classification, localization 및 detection에 대한 통합 프레임워크
- 1-pass로 연산이 가능한 구조를 취하고 있기 때문에, R-CNN 보다 연산량 관점에서 효과적
- cf. SPPNet 역시 1-pass 구조(Spatial Pyramid Pooling) > OverFeat(dense evaluation)
- fast와 accurate 2개의 model이 있음
2. 구조
VGGNet의 주장처럼, LRN(Local Response Normalization)은 별 효과가 없다고 하여 사용하지 않고 있으며,
AlexNet과 같은 overlapped pooling 대신에 non-overlapped pooling 방식을 사용하고 있다.
추후 다시 살펴 보기 ㅠㅠ http://laonple.blog.me/220752877630