cnn2 Convolution Layer 의 출력 크기 계산 $ output\,width = \cfrac{input\,width - kernel\,size + (2*padding)}{stride} + 1 $ $ output\,height = \cfrac{input\,height - kernel\,size + (2*padding)}{stride} + 1 $ 2023. 5. 9. [논문읽기] Attention Mechanism in CNN (합성곱 네트워크에서의 어텐션 메커니즘) - Non-local Neural Networks 개요 논문이 나온 연도가 2018년이기 때문에 그에 맞춰서 글을 읽어야 한다. 기존의 CNN 네트워크가 지역적으로 가까운 픽셀들과의 연산이기 때문에 먼 거리의 픽셀들과의 종속성은 계산되지 않는다는 점을 개선할 수 있는 방법이다. 논문 내 Reference [4] (A. Buades, B. Coll, and J.-M. Morel. A non-local algorithm for image denoising. In Computer Vision and Pattern Recognition (CVPR), 2005.) 에서 연산방법의 영감을 받았다고 한다. 제안하는 방법의 장점은 (논문에서 써있는 대로) 1. 많은 컴퓨터 비전 작업에 연결해서 사용할 수 있다. (가변적인 입력크기에 대해 유연하게 적용가능하다) 2. .. 2023. 5. 2. 이전 1 다음 728x90
