딥러닝 글 모음
5 min readMar 17, 2020
이미지
이미지 분류
- LeNet
- AlexNet
- Maxout
- NIN
- ZFNet
- VGGNet
- Highway
- SPPNet
- PReLU-Net
- STN
- DeepImage
- SqueezeNet
- GoogLeNet / Inception-v1
- BN-Inception / Inception-v2
- Inception-v3
- Inception-v4
- Xception
- MobileNetV1
- ResNet (번역) (2016, CVPR)
- Pre-Activation ResNet
- RiR
- RoR
- Stochastic Depth
- WRN
- ResNet-38
- Shake-Shake
- FractalNet
- Trimps-Soushen
- PolyNet
- ResNeXt
- DenseNet
- PyramidNet
- DRN
- DPN
- Residual Attention Network
- DMRNet / DFN-MR
- IGCNet / IGCV1
- MSDNet
- ShuffleNet V1
- SENet
- NASNet
- MobileNetV2
객체 탐지
- OverFeat
- R-CNN
- Fast R-CNN
- Faster R-CNN
- MR-CNN & S-CNN
- DeepID-Net
- CRAFT
- R-FCN
- ION
- MultiPathNet
- NoC
- Hikvision
- GBD-Net / GBD-v1 & GBD-v2
- G-RMI
- TDM
- SSD
- DSSD
- YOLOv1
- YOLOv2 / YOLO9000
- YOLOv3
- FPN
- RetinaNet
- DCN
시맨틱 세그먼테이션
- FCN (번역) (2015, CVPR) : 시멘틱 세그먼테이션을 위한 완전 컨볼루션 네트워크입니다. 기존의 이미지 분류 및 객체 감지를 넘어서 픽셀 단위의 레이블 부여를 합니다.
- DeconvNet
- DeepLabv1 & DeepLabv2
- CRF-RNN
- SegNet
- ParseNet
- DilatedNet
- DRN
- RefineNet
- GCN
- PSPNet
- DeepLabv3
- ResNet-38
- ResNet-DUC-HDC
- LC
- FC-DenseNet
- IDW-CNN
- DIS
- SDN
- DeepLabv3+
바이오메디컬 이미지 세그먼테이션
- CUMedVision1 (번역) (2016, AAAI) : FCN(fully convolutional network, 완전 컨볼루션 네트워크)을 약간 변형한 네트워크로, 중간층의 결과를 up-conv 해서, 결합 softmax 값을 취하는 방식으로 세그먼테이션을 합니다.
- CUMedVision2 / DCAN (번역) (2016, CVPR) : CUMedVision1에 중간 윤곽 레이블(intermediate contour label)을 사용하여 훈련하는 동안 수렴을 지원합니다. 경계 정보가 추가되는 만큼, 붙어있는 세포를 나누는데 좋지만, 윤곽에 대한 정보를 추가적으로 제공해야 하는 단점이 존재합니다.
- U-Net (번역) (2015, MICCAI) : 바이오 메디컬 이미지 세그먼테이션에서 유명한 FCN(Fully Convolutional Networks) 중 하나이며, Semantic 세그먼테이션과 Instance 세그먼테이션을 합니다.
- CFS-FCN (번역) (2016, BIBM) :
- U-Net+ResNet (번역) (2016, DLMIA) : 긴 및 짧은 스킵 연결을 도입하였습니다. 네트워크 내의 가중치 분석을 통해 얼마나 효과가 있는지를 분석합니다.
- MultiChannel (번역) (2016, MICCAI & 2017, TBE) :
- V-Net (번역) (2016, 3DV) :
- 3D U-Net (번역) (2016, MICCAI) :
- M²FCN (번역) (2017, ICCV) :
- SA
- QSA+QNT
- 3D U-Net+ResNet
- Cascaded 3D U-Net
- Attention U-Net
- RU-Net & R2U-Net
- VoxResNet
- DenseVoxNet
- UNet++ (번역) (2018, DLMIA) : U-Net을 향상시키기 위해 DenseNet의 Dense 블록 아이디어를 활용하였습니다. 이는 U-Net과 비교해, 1) 스킵 경로에 컨볼루션 레이어가 있으며, 2) 스킵 경로에 Dense 스킵 연결이 존재하고, 3) 모델 가지치기를 가능하게 하는 Deep supervision이 존재합니다.
- H-DenseUNet
- DUNet
