편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
14번째 줄:
14번째 줄: + + + + + + + + + + + + + + + + 32번째 줄:
48번째 줄: + + + + + + + + + + + +
편집 요약 없음
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"
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]]