Machine learning
CNN 이미지 분류
CNN 이미지 분류는 ResNet(He et al., 2016), VGG, EfficientNet(Tan & Le, 2019)과 같은 심층 합성곱 신경망 아키텍처를 사용하여 이미지를 범주로 분류합니다. 쌓인 합성곱 계층은 픽셀로부터 시각적 특징의 계층 구조를 직접 학습하며, 스킵(잔차) 연결은 매우 깊은 신경망에서 기울기 소실 문제를 방지합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI: 10.1109/CVPR.2016.90 ↗
- Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/ko/deep-learning/cnn-image-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 확장된 CNN딥러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 서포트 벡터 머신 (분류)머신러닝↔ compare
- TextCNN딥러닝↔ compare
- XGBoost머신러닝↔ compare