ML study > CNN architecture > VGGNet
1. VGGNet
- 2014 ILSVRC에서 우승은 GoogLeNet이 차지하였지만 굉장히 근소한 차이로 2위를 차지한 것이 바로 VGGNet이다. 1위외에는 크게 기억에 남지 않는 것이 일반적이지만 VGGNet은 에러율 자체도 1위와 큰 차이가 나지 않았을 뿐아니라 훨씬 간단한 구조로 이루어져 있어져 있어 큰 주목을 받았다.
2. VGGNet 구조
-
VGGNet의 구조는 AlexNet과 크게 다르지 않다. 다만 조금 더 layer를 deep하게 쌓았고 convolution을 적용할 때 5x5, 7x7 filter를 사용하지 않고 3x3으로만 사용하였다.
-
3x3 filter를 사용함으로써 parameter를 줄였고 한정된 자원안에서 보다 더 깊은 network을 구현가능하게 하였다.
- 저자들은 위 표와 같이 A - E 까지 차례로 layer 수를 높여가며 실험을 진행하였으며 그에 따른 parameter는 table 2에 나타내었다.
3. Training
- Training 시 다양한 scale에 대해 robust하게 만들기 위해서 384사이즈에 대해 미리 학습 시킨 후 scale을 256과 512 사이에서 무작위로 선택해 fine tuning 하였다.
4. Test
- Test 시 특정한 scale로 부터 테스트하였으며 GoogLeNet처럼 multi crop을 통해 150 장의 이미지를 만들어 사용하였다.
5. Result
- Network의 깊이를 늘려가며 실험한 결과 A에서 E로 갈수록 error rate이 향상되는 것을 볼 수 있으며 다양한 scale에 대하여 training 시켰을 때 결과가 가장 좋은 것을 확인할 수 있다.
-
Training set image의 size를 다양하게 하여 실험하였을 때 test에서도 여러개의 이미지 scale에 대하여 평가한 결과가 더 좋음을 알 수 있다.
-
GoogLeNet 보다 훨씬 간단한 구조로 비등한 결과를 얻었으나 classifier의 앞단에 있는 dense layer들로 인해 parameter 수가 굉장히 많아졌다는 것이 가장 큰 단점으로 보인다.
Reference
[1]: VGGNet 논문
[2]: VGGNet 정리블로그 (라온피플)
댓글남기기