ResNet34는 딥러닝에서 가장 중요한 CNN Architecture 중 하나이다.

2015년 Microsoft 에서 발표된 논문 “Deep Residual Learning for Image Recognition”에서 소개된 Residual Network(ResNet) 이다.

1. Background
   -> 왜 나왔을까?
   기존 Deep Network는 층이 깊어질 수록 Vanishing Gradient Problem 으로 학습이 잘 되지 않았다. 그래서 Skip Connection을 도입해서 Residual 을 학습하게 만들었다.
   
   이로 인해 100층 이상의 매우 깊은 네트워크에서도 효과적으로 학습을 할 수 있게되었고, ImageNet 대회에서도 큰 성과를 나타냈다.
   
   
2. ResNet32 Structure
   ->
   34개의 Layer로 구성되어 있다.
   VGG19에서 영감을 받아 Basic Block을 사용하고, ResNet50 이상에서는 Bottleneck Block을 사용한다.
   
   
   (그림)
   
   
   
3. Performance
   -> ImageNet 에서 Top-5 Error 5.71%
   -> ResNet18보다 깊고 정확도가 높다.
   -> ResNet50보다 학습과 추론 속도가 빠르다.
   -> Transfer Learning 에서 backbone으로 사용한다.
   
   
4. Approach Paper
   -> 1512.03385 논문.
   -> Skip Connection이 왜 Vanishing Gradient를 해결하는지 직관적인 이해.
   -> Residual Block
   -> Implement Code
   ->