나의 정리 네트워크의 깊이가 모델의 좋은 성능을 보이는데 중요한 역할을 한다는 것을 보여줌 3x3, stride 1, zero padding 1의 filter를 3겹을 사용하여 7x7 필터와 같은 receptive field를 가진다. max-pooling도 사용. 작은 사이즈 필터를 여러 번 나눠 적용하면 conv layer를 거칠 때마다 ReLU도 더 많이 통과하게 되어 non-linear 한 의사 결정을 더 잘하게 된다. FC layer가 있어서 파라미터가 매우 많아 연산량이 매우 크다는 단점이 있다. 서론 large-scale image recognition에서 ConvNets의 깊이가 정확도에 끼치는 영향에 대한 논문 3x3 매우 작은 필터를 사용하여 깊이가 깊은 네트워크를 평가한다. 소개 Co..