U-Net
- 위와 같은 모델의 architecture 때문에 U-Net이라는 이름이 붙었다고 하네요.
- 원래는 의료 분야에 유용할 것이라는 생각이 있었는데, 예상과 달리 computer vision과 같은 분야에서 크게 빛을 발했다고 합니다.
- Conv, RELU를 실행하면 channel은 증가하고 height와 width는 줄어듭니다.
- Max Pooling을 실행하면 channel은 그대로지만 height와 width는 줄어듭니다.
- Trans Conv를 실행하면(파란색 블록) channel은 줄어들지만 height와 width가 증가합니다.
- 최종 결과는 h x w x n(class)로 input과 동일한 차원을 갖게 됩니다.
출처: Coursera, Convolutional Neural Networks, DeepLearning.AI
'Convolutional Neural Networks > 3주차' 카테고리의 다른 글
| Transpose Convolutions, U-Net Architecture Intuition (0) | 2023.04.01 |
|---|---|
| Semantic Segmentation with U-Net (0) | 2023.04.01 |
| Region Proposals (Optional) (0) | 2023.03.31 |
| YOLO Algorithm (0) | 2023.03.31 |
| Anchor Boxes (0) | 2023.03.31 |
