합성곱층
CNN의 구조
- CNN의 주요 구성 요소: 합성곱층 (convolutional layer)
- receptable field 안에 있는 영역만 상위 레이어 유닛에 연결
- 레이어를 거칠 수록 저수준 특성에서 고수준 특성으로 조합해 나감
합성곱 연산
output image의 크기: floor((I - F + 2P) / S + 1)
- I: 입력 영상의 크기
- F: 커널의 크기
- S: 스트라이드
- P: 패딩
convolution layer의 파라미터 수: w * h * ch * n + n
- 커널의 높이 * 넓이 * 채널 수 * 갯수 + bias
커널의 갯수와 output의 채널 수가 같음
풀링층
- 풀링
- 정보의 압축, 축소
- 보통 입력 채널 수 = 출력 채널 수
- 종류
- max pooling: 강한 자극만 기억
- average pooling: 평균 자극을 기억
- 목적
- 계산량, 메모리 사용량 down
- 파라미터 수 down (과적합 방지)
- 위치 불변성 (location invariance)
CNN 기본 구조
입력층 - 합성곱층 - 정규화층 - 풀링층 - fully-connected layer
합성곱층 - 정규화층 - 풀링층이 하나의 layer
reference
- 상명대학교 양희경 교수님 심층학습
댓글