08-1 합성곱 신경망의 구성 요소

커널 = 필터=가중치

네번 계산해서 2행 2열짜리가 된다.

 

중요하지 않은 거는 0에 가까운 값이 된다.

 

-합성곱

입력 데이터에 도장을 찍어서 유용한 특성만 드러나게 하는 것

합성곱 계산을 통해 얻은 출력을 특성맵(feature map)이라고함

 

보통 전치가 쉽기 때문에 정방행렬을 많이 쓴다.

3*3 or 5*5

 

원리

3*3 행렬이 10개이고

인풋을 몰라서 6*6 데이터가 들어간다고 하면

결국 4*4 결과가 10개 나온다.(feature map)

결과가 의미하는 것은 주로 이미지(데이터)의 특징을 나타내는 정보이다.

 

-세임패딩

입력과 특성맵의 크기를 동일하게 만들기 위해 입력 주위에 0으로 패딩하는 것(추가로)

가장 모서리에 있는 애들이 가장 연산을 덜하게 되고

가운데에 있는 애들이 연산을 많이 하게 된다.

원본의 크기하고 동일한 특성맵을 만들면 사이드에 있는 정보들은 값이 덜커지고 가운데에 있는 값은 정보(중요 특징)가 더 커지게 된다.(더 많이 연산) . 필터에 의해서 중요정보만 강조가 됨

세임패딩을 하게 되면 강조가 더 된다. 연산하는 횟수가 더 많아지기 때문

 

-밸리드 패딩(valid padding)

패딩 없이 순수한 입력 배열에서만 합성곱을 하여 특성 맵을 만드는 경우

 

패딩을 하고 안하고에 큰 차이가 있다.

 

-스트라이드

필터가 이동하는 크기

디폴트 : 1(오른쪽으로 한칸)

 

이동하는 크기를 달리 해봤더니 효과가 별로 없더라.

그래서 이동하는 크기를 일정하게 옮기는게 좋은 결과가 나온다.(한칸씩)

stride를 키우니까 feature map이 작아진다.

 

-풀링

합성곱 층에서 만든 특성 맵(feature map)의 가로세로 크기를 줄이는 역할

도장을 찍은 영역에서 가장큰걸 선택 : 최대풀링

평균을 선택 : 평균풀링

 

특성맵의 개수는 줄이지 않는다.

 

예시

(2,2,3) 특성 맵에 풀링을 적용하면 마지막 차원인 개수는 그대로 유지하고 너비와 높이만 줄어들어 (1,1,3) 크기의 특성 맵이 된다.

(너비, 높이, 개수)

(2,2,3) -> 2*2 행렬이 3개

 

*필터 개수 = 특성 맵(feature map)의 depth