구성 요소의 재검토
기존 합성곱 신경망은 합성곱과 최대 풀링을 교대로 놓고 완전 연결 층을 잇는 구성을 널리 사용했다. 원 연구는 영상 인식에서 이러한 구성 요소의 필요성을 다시 조사했다.
보폭으로 크기 줄이기
최대 풀링을 보폭이 큰 합성곱 층으로 대체하는 실험을 제시했다. 이 결과를 바탕으로 합성곱 층만 사용하는 단순한 구조를 구성했다.
인식과 특징 시각화
CIFAR-10과 CIFAR-100, ImageNet에서 인식 성능을 평가했다. 신경망 분석을 위해 더 다양한 구조에 적용할 수 있는 역합성곱 기반 특징 시각화의 변형도 함께 제안했다.
관련 문서
합성곱 신경망 / FullGrad / Grad-CAM / 클래스 활성화 지도 / Captum / DeepLIFT