초록
본 논문에서는 Tiny ImageNet 데이터셋을 사용하여 두 개의 이미지 분류 모델을 제시합니다. 우리는 Densely Connected Convolution Networks (밀집 연결 합성곱 네트워크)의 아이디어를 기반으로 두 개의 매우 다른 네트워크를 처음부터 구축했습니다. 이 네트워크들의 아키텍처는 해당 데이터셋의 이미지 해상도를 고려하고 합성곱 층의 수용 필드(Receptive Field)를 계산하여 설계되었습니다. 또한, 이미지 증강(image augmentation)과 주기적 학습률(Cyclical Learning Rate) 등 비전통적인 기술들을 사용하여 모델의 정확도를 향상시키고자 하였습니다. 이 네트워크들은 높은 제약 조건과 낮은 계산 자원 하에서 훈련되었습니다. 우리는 최종적으로 top-1 검증 정확도 60%를 달성하기 위해 노력하였으며, 결과와 오류 분석도 함께 제시합니다.