vgg162 [VGG] Simonyan & Zisserman, 2015, Very Deep Convolutional Networks For Large-Scale Image Recognition # 세줄 요약 # 저자들은 대량의 영상 인식 과제에서 합성곱 신경망(Convolutional Neural Network)의 깊이(depth; 여기선 신경망의 층을 늘리는 것을 의미함)에 따른 정확도의 변화를 연구하였다. 이 논문에서 소개된 신경망 모델은 매우 작은 크기(3X3)의 합성곱 필터(Convolutional filter)로 구성하여 신경망의 깊이를 증가시켰으며, 이 모델은 선행 신경망 모델들과 비교하여 신경망의 깊이는 16~19층까지 늘려서 유의미한 성능 향상 결과를 보여주었다. 이 논문의 저자들인 VGG그룹은 2014년 이미지넷 영상 인식 대회(ImageNet Large-Scale Visual Recoginition Challenge; ILSVRC)에서 localization 부문에서 1등, .. 2020. 12. 9. Han et al., 2020, Predicting Unnecessary Nodule Biopsies from a Small, Unbalanced,and Pathologically Proven Dataset by Transfer Learning # 세줄요약 # The database includes 68 biopsied nodules, 16 are pathologically proven benign and the remaining 52 are malignant. The leave-one-out and 10-folder cross validations are applied to train and test the randomly selected 68 image slices (one image slice from one nodule) in each experiment. Transfer learning from other larger datasets can supply additional information to small and unbalanced.. 2020. 10. 6. 이전 1 다음
