요약
- 합성곱 계층
- 이미지 데이터를 처리하는데 적합한 계층
- 기존의 전통적인 머신러닝에서는 특징을 직접 추출하기 위해 미리 정의된 합성곱 커널을 활용하여 특징(e.g. 경계선)을 추출
- 합성곱 신경망에서는 패턴을 추출하기 위한 최적의 커널을 자동으로 학습
- 합성곱 계층의 커널의 갯수는 출력 채널의 크기와 같다.
- 합성곱 계층의 입출력의 크기는 정해져 있지 않다. 입력의 크기와 커널의 크기에 따라 출력의 크기가 가변적으로 변한다.
- $3\times3$ 커널에 $1$ 패딩을 쓰거나, $5\times5$ 커널에 $2$ 패딩을 쓰면 입력의 크기가 출력에서 보존된다.
- 장점:
- 가중치 파라미터 수가 적음
- 학습 및 추론 속도가 빠름
- 이미지를 처리하는데 적합함
- 단점:
- 입출력 크기 계산이 직관적이지 않아서, 신경망 설계할 때 어려움
- 맥스 풀링과 스트라이드
- 차원 축소를 수행