바뀜

둘러보기로 가기 검색하러 가기
990 바이트 추가됨 ,  2021년 9월 14일 (화) 11:09
편집 요약 없음
14번째 줄: 14번째 줄:     
기본적으로 입력데이터에 필터를 씌워 연산하여 대략적인 형태정보를 뽑아낸다. 이 필터가 매개변수(가중치)에 해당하게 된다. 필터를 여러개 사용하여 다음 층으로 넘기는 것이 일반적이다.
 
기본적으로 입력데이터에 필터를 씌워 연산하여 대략적인 형태정보를 뽑아낸다. 이 필터가 매개변수(가중치)에 해당하게 된다. 필터를 여러개 사용하여 다음 층으로 넘기는 것이 일반적이다.
 +
{| class="wikitable"
 +
!용어
 +
!설명
 +
|-
 +
|합성곱 계층
 +
|특징을 추출하기 위한 계층. 특징 맵을 뽑아낸다.
 +
|-
 +
|풀링 계층
 +
|세로, 가로 방향의 공간을 줄이는 연산.
 +
해당 공간에서 가장 큰 데이터만 남기는 최대풀링과
    +
대상 영역에서 평균값을 내놓는 평균풀링 등의 방법이 있다.
 +
 +
이미지 인식에선 주로 최대풀링을 사용한다.
 +
 +
학습해야 할 매개변수가 없이 단순 연산으로 진행된다.
 +
|}
 
=== 용어 ===
 
=== 용어 ===
 
{| class="wikitable"
 
{| class="wikitable"
32번째 줄: 48번째 줄:  
이때 차원마다 필터를 달리 적용하는 것이 일반적이다. 당연히 차원마다 입력데이터의 크기나 필터의 크기는 같아야 한다.
 
이때 차원마다 필터를 달리 적용하는 것이 일반적이다. 당연히 차원마다 입력데이터의 크기나 필터의 크기는 같아야 한다.
 
|}
 
|}
 +
 +
=== 합성곱 계층 구현 ===
 +
im2col(image to column)을 이용한다. 이미지를 행렬로 바꾸어 처리한 후 선형대수 라이브러리를 이용해 계산한다. 이것을 affine 계층 구현하듯 처리한다.<syntaxhighlight lang="python">
 +
class Convolutions:
 +
    def __init__(self, W, b, stride=1, pad=0):
 +
        self.W = W
 +
        self.b = b
 +
        self.stride = stride
 +
        self.pad = pad
 +
    def forward(self, x):  # 이미지를 입력받는다.
 +
       
 +
</syntaxhighlight>
 
[[분류:딥러닝 기법]]
 
[[분류:딥러닝 기법]]

둘러보기 메뉴