Convolution
Convolution layer
- Convolution Filter를 이미지에 (도장을) 찍는다.
- input dimension = filter의 channel 크기
- feature map의 channel 숫자 = filter의 개수
- input, output의 channel수로 conv filter
parameter 숫자 결정 가능
Pooling layer
- feature extraction
: 이미지에서 유용한 정보 얻어냄
Fully connected layer
- decision layer
- parameter수를 줄이기 위해, 없어지는 추세
stride
- 옮겨찍는 칸 수
- 1D )
padding
- Padding(1) )
parameter 숫자 계산
: 3 x 3 x 128 x 64 = 73,728
- (convolution filter)kernel의 크기 = input dimension
- (convolution filter)kenel의 개수 = channel 크기
- AlexNet
: Conv Layer
: Dense Layer (FC)
= input parameter(NN)개수 x output parameter(NN)개수
- parameter 수 매우 크다
- Fully Connected Layer 줄이고 Convolution Layer 깊게 쌓는 것이 CNN 발전 방향
1x1 Convolution
- 이미지의 어떤 영역을 보지는 않는다.
- Dimension reduction
: 채널 방향으로 줄인다. - NN을 깊게 쌓는데 parameter를 줄일 수 있다.
