diff --git a/README.md b/README.md index cb6835a..562052e 100644 --- a/README.md +++ b/README.md @@ -20,9 +20,8 @@ subtitle: Deep Learning # **InceptionNet이란?** -이미지 인식 및 분류 작업을 위해 Google에서 개발된 딥러닝 아키텍처이다. -InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (GoogLeNet), Inception v2, Inception v3, Inception v4 등이 있다. - +이미지 인식 및 분류 작업을 위해 Google에서 개발된 딥러닝 아키텍처입니다. +InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (GoogLeNet), Inception v2, Inception v3, Inception v4 등이 있습니다. # **Inception v1 (GoogLeNet)** @@ -30,20 +29,23 @@ InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (G * 개발 배경 -: 기존의 깊은 신경망이 컴퓨팅 자원과 과적합 문제를 겪는 것에 대한 해결책으로 개발되었다. +기존의 깊은 신경망이 컴퓨팅 자원 문제와 과적합 문제를 겪는 것에 대한 해결책으로 개발되었습니다. * 특징 -: 'Inception 모듈'이라고 불리는 빌딩 블록을 사용한다. +'Inception 모듈'이라고 불리는 빌딩 블록을 사용합니다. -이 모듈은 서로 다른 크기의 컨볼루션 필터들(1x1, 3x3, 5x5)과 맥스 풀링을 병렬적으로 적용하고 결과를 결합한다. +이 모듈은 서로 다른 크기의 컨볼루션 필터들(1x1, 3x3, 5x5)과 맥스 풀링을 병렬적으로 적용하고 결과를 결합합니다. -이렇게 함으로써 다양한 스케일의 특징을 효과적으로 학습할 수 있다. +이렇게 함으로써 다양한 스케일의 특징을 효과적으로 학습할 수 있습니다. * 성과 -: 2014년 ILSVRC (ImageNet Large Scale Visual Recognition Challenge)에서 우승했다. +2014년 ILSVRC (ImageNet Large Scale Visual Recognition Challenge)에서 우승했습니다. + +* 추가 정보 +GoogLeNet이라는 이름은 LeNet에서 영감을 받았으며, 22개 층으로 구성되어 있습니다. # **Inception v2** @@ -51,10 +53,13 @@ InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (G * 개선 사항 -: Inception v1의 아이디어를 확장하여, 2D 컨볼루션 연산을 더 효율적으로 수행하는 방법이 제안되었다. +Inception v1의 아이디어를 확장하여, 2D 컨볼루션 연산을 더 효율적으로 수행하는 방법이 제안되었습니다. + +큰 컨볼루션 필터(예: 5x5)를 여러 개의 작은 필터(예: 3x3)로 분해하여 연산 효율성을 개선했습니다. -큰 컨볼루션 필터(예: 5x5)를 여러 개의 작은 필터(예: 3x3)로 분해하여 연산 효율성을 개선했다. +* 추가 정보 +배치 정규화(Batch Normalization)를 도입하여 내부 공변량 이동(Internal Covariate Shift) 문제를 해결하고 학습 속도를 개선했습니다. # **Inception v3** @@ -62,10 +67,13 @@ InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (G * 개선 사항 -: 더욱 정교한 Inception 모듈을 사용하고, 학습과정을 안정화하는 방법을 도입했다. +더욱 정교한 Inception 모듈을 사용하고, 학습 과정을 안정화하는 방법을 도입했습니다. -5x5 컨볼루션을 두 개의 3x3 컨볼루션으로 대체하고, RMSProp 옵티마이저, 라벨 스무딩, 배치 정규화 등을 사용하여 성능을 향상시켰다. +5x5 컨볼루션을 두 개의 3x3 컨볼루션으로 대체하고, RMSProp 옵티마이저, 라벨 스무딩, 배치 정규화 등을 사용하여 성능을 향상시켰습니다. +* 추가 정보 + +비대칭 컨볼루션(예: nx1 followed by 1xn)을 도입하여 파라미터 수를 줄이고 계산 효율성을 높였습니다. # **Inception v4** @@ -73,15 +81,20 @@ InceptionNet의 여러 버전 중 가장 널리 알려진 것은 Inception v1 (G * 개발 배경 -: Inception 아키텍처와 ResNet 아키텍처의 아이디어를 결합했다. +Inception 아키텍처와 ResNet 아키텍처의 아이디어를 결합했습니다. * 특징 -: Inception-ResNet이라고도 불리며, Inception 모듈에 잔차 연결(Residual Connections)을 추가하여 네트워크를 더 깊게 만들면서도 학습을 안정화하였다. +Inception-ResNet이라고도 불리며, Inception 모듈에 잔차 연결(Residual Connections)을 추가하여 네트워크를 더 깊게 만들면서도 학습을 안정화하였습니다. + +* 추가 정보 + +Inception-ResNet-v2는 Inception v4와 함께 소개되었으며, 더 적은 파라미터로 유사하거나 더 나은 성능을 보여주었습니다. InceptionNet은 다양한 크기의 컨볼루션 필터와 풀링 레이어를 병렬로 적용함으로써 이미지의 다양한 특징을 효과적으로 추출할 수 있으며, +네트워크가 깊어짐에 따라 발생할 수 있는 과적합 문제와 학습의 어려움을 극복하기 위한 여러 기술을 적용합니다. -네트워크가 깊어짐에 따라 발생할 수 있는 과적합 문제와 학습의 어려움을 극복하기 위한 여러 기술을 적용한다. +결론적으로, InceptionNet 시리즈는 컴퓨터 비전 분야에서 중요한 발전을 이루었으며, 효율적인 네트워크 설계와 성능 향상을 위한 다양한 기법을 소개했습니다. ---