<aside> 💡 **CNN**을 이용하여 ImageNet 경진대회에서 우수한 성적을 거두었다. 그 근간에는 **ReLU 함수, GPU 병렬화, DropOut, Data Augmentation**이 있었다. 이후의 Image Classification 분야와 컴퓨터 비전 도메인에 큰 영향을 가져다 준 논문.

</aside>

Before Reading

Why I read this:

딥러닝 모델을 구현함에 있어서, CNN 모델계의 시초인 [CNN Benchmark]는 꼭 읽어보고 넘어가야겠다는 생각이 들었다.

어떤 Context에서 model의 architecture를 이렇게 설정했는지, 그런 것들에 감안하면서 읽자.

[PART 1] ✏ Reading_Review : 내가 해보는 리뷰

0. Abstract:

AlexNet 짱이다 👍 : ImageNet 2012 우승

CV계에서 AlexNet은 **CNN도 우승이 가능해!**라는 새로운 가능성을 열어준 듯 하다. 실제로 그 이후 ILSVRC의 대회는 딥러닝 모델 계열이 휩쓸고 있다.

AlexNet의 특징과 의의 : 다양한 시도, 다양한 가능성의 제시.

• [1] 5 Convolution + Pooling : Model Architecture
• [2] ReLU 함수: ReLU를 써서 training time을 줄이자!
• [3] GPU의 병렬 학습 : GPU를 써서 이 많은 파라미터를 학습해보자!
• [4] Dropout : 몇몇 뉴런의 전원을 꺼버리자!