[딥러닝 기본] CNN

convolution

• convolution의 의미: 필터의 모양을 이미지에 찍음 -> 블러, emboss, outline

RGB image convolution

• 커널의 차원이 n * n *3이 됨
• feature map: convolution 채널이 여러개, output의 차원이 늘어남
• stack of conovlution: 여러개의 convolution을 거침,
• 32 * 32* 3 의 이미지를 28 * 28 * 4 로 만들기 위해선 5 * 5 * 3 필터가 4개, 총 5 * 5 * 3 * 4 = 300개의 parameter가 필요함

convolution neural network

• convolution layer: feature extraction
• pooling layer: feature extraction
• fully connected layer: decision making (ex. classification)
• 파라미터가 늘어나면 늘어날수록 새 데이터에 대한 성능이 나오지 않음
• 파라미터를 최대한 줄이는 방향으로 발전

Stride

• 커널을 몇픽셀마다 찍을 것인가.

Padding

• 필터가 가장자리에 찍힐 때 가장자리를 채워주는 역할
• zero padding
• input과 output의 차원이 똑같아 짐

Convolution Arithmetic

• input size: 40 * 50 * 128, output size: 40 * 50 * 64
• padding (1), stride (1), 3 * 3 kernel
• 파라미터의 숫자는?
• 파라미터 숫자: 3 * 3 * 128 * 64 = 73728

1 * 1 convolution

• 이미지를 줄이진 않고 dimension reduciton

• 레이어를 쌓으면서 패러미터를 줄이기 위해서

출처: boostcamp precourse