편집
1,408
번
바뀜
새 문서: == 개요 == 딥러닝은 특정 역할을 하는 층을 갖고 있다. {| class="wikitable" |+ ! ! ! ! |- | | | | |- | | | | |- | | | | |} {| class="wikitable" !층 !용도 !방법 |...
== 개요 ==
딥러닝은 특정 역할을 하는 층을 갖고 있다.
{| class="wikitable"
|+
!
!
!
!
|-
|
|
|
|
|-
|
|
|
|
|-
|
|
|
|
|}
{| class="wikitable"
!층
!용도
!방법
|-
|합성곱층
|이미지의 특징을 추출할 때 사용. 입력값의 일부분을 잘라내 가중치필터를 적용하며 이미지를 줄인다.
평활화와 윤곽선 처리로 특징을 추출하는 과정.
|행렬식을 이용한다. 특정 픽셀 뭉치에 필터를 적용해 전체 데이터를 줄여가는 방식이다.
|-
|폴링층
|합성곱층에서 얻은 특징맵을 다시 축소한다.
최대폴링과 평균폴링이 있다.
|위와 같은 방식이나, 행렬식이 아니라 특정영역의 최댓값을 살리거나 평균값을 내보내는 방식으로 데이터 크기를 줄인다.
|-
|전결합층
|2차원 특징맵을 1차원으로 전개한다.
|
|}
딥러닝은 특정 역할을 하는 층을 갖고 있다.
{| class="wikitable"
|+
!
!
!
!
|-
|
|
|
|
|-
|
|
|
|
|-
|
|
|
|
|}
{| class="wikitable"
!층
!용도
!방법
|-
|합성곱층
|이미지의 특징을 추출할 때 사용. 입력값의 일부분을 잘라내 가중치필터를 적용하며 이미지를 줄인다.
평활화와 윤곽선 처리로 특징을 추출하는 과정.
|행렬식을 이용한다. 특정 픽셀 뭉치에 필터를 적용해 전체 데이터를 줄여가는 방식이다.
|-
|폴링층
|합성곱층에서 얻은 특징맵을 다시 축소한다.
최대폴링과 평균폴링이 있다.
|위와 같은 방식이나, 행렬식이 아니라 특정영역의 최댓값을 살리거나 평균값을 내보내는 방식으로 데이터 크기를 줄인다.
|-
|전결합층
|2차원 특징맵을 1차원으로 전개한다.
|
|}