2026年 3月 19日

오늘은 재미가 있어보여서 수강하게 된 전기전자 전공의 '딥러닝 실험' 수업에서 과제로 나온 논문 읽기!를 해보았다.

이번 주차에 읽어야했던 논문은 정말 유명한 두 모델인 VGG와 ResNet이었다. 그냥 인터넷에 있는 글로만 읽어본적은 있는데, 논문을 이렇게 직접 (물론 AI와) 읽어본건 새로운 경험이었다.

VGG는 모델 레이어의 깊이가 중요하다는 것을 보여준 2015년에 공개된 논문이고, ResNet은 2016년에 공개된, "깊이를 늘리는게 중요하다는 것은 증명됐는데, 어떻게 잘 늘려야 하는지"를 설명하는 논문이다.

VGG는 재밌는 특징은, 정말 단순한 레이어들을 깊게 구성을 하여, 복잡한 모델들의 성능을 이겼다는 점이다.. 뭔가 지금 보면 당연해보이는 것들이, 알기 전에는 떠올리기 조차 어려운 그런 문제들이랑 비슷한 느낌인걸까? 왜 그 시절에는 깊이에 대한 생각을 못했을지 궁금하긴 하다.