인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper proposes two hybrid models, MH-ResNet and ResViT, that integrate the strengths of residual networks (ResNet) and vision transformers (ViT) to enhance image classification performance. MH-ResNet incorporates a Multi-Head Self-Attention (MHSA) module in parallel with the residual blocks of ResNet, enabling simultaneous learning of local and global features. ResViT fuses feature vectors extracted from parallel ResNet and ViT branches, leveraging both the inductive biases of CNNs and the global contextual information of transformers. Experimental evaluations on the CIFAR-100 and Tiny ImageNet datasets show that the proposed models outperform conventional CNNs (ResNet and PyramidSepDrop), ViTs, and hybrid models such as ReViT, ResNet_BAM, and ResNet_WCAM. Notably, MH-ResNet based on ResNet18 achieves 89.52% accuracy with only 16M parameters, proving its suitability for lightweight inference scenarios. Conversely, the ResNet18-based ResViT with transfer learning achieves 94.01% accuracy but requires 99.36M parameters, highlighting a trade-off between accuracy and model complexity.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094554304
