Lab-11-0-1 cnn basics convolution, Lab-11-0-2 cnn basics pooling

feature extraction: 특징을 추출함 ex) 배 사진을 추출할 때 주변의 물, 뾰족함 등으로 배라고 판단하게 해서 학습시킴

 

주로 이미지에 쓰기 때문에 2D Convolution Layer로 사용한다.

 

흑백인 경우에는 channel 1 / feature map을 입력으로 받을 것이기 때문에 channel은 3보다도 더 큰 숫자인 경우가 대부분이다.

 

5X5 filter라고 부르지만 사실은 5X3X3이고,

필터는 convolution layer의 입력으로 들어오는 이미지의 채널 수와 같아야 한다!

 

ex)

blue - 물 찾는 필터

green - 뾰족한 것 찾는 필터

 

output feature의 채널 수(6)는 convolution filter의 개수와 같다!

 

순서를 꼭 지켜야 한다!

 

<Padding>

valid: no padding

same: stride가 1일 때 입력과 출력 size가 같게끔 해줌

s: stride

I: input 가로, 세로 사이즈

F: filter 가로, 세로 사이즈

한 쪽은 올림, 한 쪽은 버림.

 

gray scale: channel = 1

 

 

 

Padding: same으로 바꿔서 적용

 

filter 3개 쓰는 경우 (height, width, filter channel, filter 개수)

 

 

<Pooling>

Max Pooling or Average Pooling

 

conv output channel별로 하나씩 pooling 연산을 수행함.

 

 

 

 

 

 

 

 

 

 

 

 

 

출처: https://youtu.be/9fldE3-yJpg

https://youtu.be/RxJVgAcsNu4