- 모델 아키텍처
이미지 처리에 사용되는 SRCNN 모델을 사용하였습니다.
태스크 베이스라인에서 주어진 모델에서 더 깊은 네트워크 구조를 위해 추가적인 컨볼루션레이어를 추가해주었습니다.
주요 차이점은 더 많은 컨볼루션 레이어를 가지고 있으며 중간의 3x3 커널 레이어들을 추가해주었습니다.
- 하이퍼파라미터 튜닝
옵티마이저 학습률을 기존 베이스라인과 동일하게 0.0001로 설정되어 있지만 에포크 수를 1에서 5로 증가하였습니다.
- 소감
기존 베이스라인 모델에 비해 보다 깊은 네트워크 구조로 구성됩니다.
또한 에포크 수를 키워서 모델의 성능을 향상시킬 수 있었습니다.