Convolutional Neural Network

[부스트코스] 텐서플로우로 시작하는 딥러닝 기초

CNN

- 이미지 분류에 많이 사용되며 convolutional layer / pooling layer(생략하기도 함)로 구성

 

Convolutional layer

📌 필터는 이미지의 특징을 찾아내기 위한 공용 파라미터로 kernel이라고 부르기도 함 

 

Stride

- 필터 적용 간격

ex) stride=1 : 1칸씩 이동, stride=2 : 2칸씩 이동

 

Output

- 입력 데이터 크기, 필터 크기, stride가 주어졌을 때 1+(입력 크기-필터 크기)/stride

- output feature map 채널 수 = convolution 필터 수

 

📌 합성곱 연산 수행 시 가중치 정하는 법

① 랜덤 값으로 초기화

② 가지고 있는 데이터로 학습

 

Padding

- 합성곱 연산 수행 전 입력 데이터 주변을 특정 값으로 채우는 것으로, 필터와 stride의 적용으로 데이터가 손실되고 이미지가 축소되는 일을 방지

- valid : 패딩 적용 X

- same : stride=1 기준으로 입출력 데이터의 크기를 같게 하겠다는 의미

 

📌 padding이 없을 경우 합성곱층을 지날 때마다 이미지가 작아지기 때문에 데이터를 깊게 쌓을 수 없음

 

Pooling (sub-sampling)

Convolution을 거친 후 출력으로 나온 activation map에서 특정 영역을 형성하여 하나의 값을 도출하는 과정

 

📌 pooling layer의 특징

① 학습대상 파라미터가 없음

② Pooling 레이어를 통과하면 행렬의 크기 감소

③ Pooling 레이어를 통과해도 채널 수 변경 없음

참고 사이트 : taewan.kim/

 

Max pooling

- 윈도우에서 가장 큰 값을 선택하는 방식