수업

SegNet 이 conv만 써도 되나요?

• 성능향상이 목표가 아니라 속도 향상이 목표이기 때문에 상관이 없다.

DeconvNet과 비교하여 SegNet의 마지막 layer에서 3x3 conv를 사용한 이유

논문에는 정확한 이유가 설명되지 않는데 instructor의 생각은 다음과 같다.

• DeconvNet의 decode 마지막을 보면 unpooling, deconv, deconv 후에 1x1 conv layer를 사용한다.
• SegNet은 unpooling, conv 후에 3x3 conv layer를 사용한다.
• DeconvNet에서 두번의 deconv layer와 1x1 conv를 SegNet에서 한번의 conv layer와 3x3 conv layer로 바꿔서 연산량이 줄어 좀 더 빨라지는 효과를 얻은게 아닐까 라고 생각된다.

이 부분은 정확한 설명이 없는데 아마 실험에 의해 마지막 layer로 3x3 conv를 사용했을 것이라 추측된다.

강의에서는 3x3 conv로 바꿨을 때 속도가 향상되었다고 설명하지만 질문과 답변을 통해 이는 잘못된 것이라고 말씀해주셨다.

1x1 conv의 parameter가 3x3 conv의 1 / 9배이므로 속도가 좀 더 빠르다.

3x3만 쓰다가 왜 7x7을 쓸까?

• 학습을 시킬 때 원본 이미지를 224x224를 썼는데 pooling 5번으로 딱 32가 줄어서 7x7상태가 되어 있어서 전체 크기 만큼 커널 사이즈를 설정했다.

• 가운데 부분의 커널의 크기와 구조가 다르지만 input image의 size가 224x224임을 볼 수 있다 .

DilatedNet은 왜 중간에 7x7을 쓸까요

• 미해결

협업