ML lec 11-1 ConvNet의 Conv 레이어 만들기

Convolutional Neural Networks

• easy X forward net, fully-connected
• splited input, merge

 

Let’s focus on a small area only

• small area : filter -> one number! ReLU(WX + b)
• 동일 필터로 모든 이미지를 스캔한다
• filter 이동 거리 : stride
• output size : (N-F)/stride + 1
• output의 크기가 작아져서, 점점 정보를 잃어버린다

 

Common to zero pad the border(Padding)

• 0값을 가진 가상의 테두리(모서리 정보를 NN에 포함하기 위함)
• input 7*7을 넣어도 같은 크기의 output 갯수가 나옴
• 매우 일반적으로 사용하는 방법

 

Swiping the entire image

• filter1을 사용한 결과 A
• filter2를 사용한 결과 B….
• weight이 다른 N개의 필터를 적용한 결과 N개
• Convolutional Layer -> activation maps
• Activation Map -> Conv 여러번 적용

Convolutional Neural Networks Basic Idea

동일 필터로 모든 이미지를 스캔한다

stride 별 output size, 점점 정보를 잃어버린다

0값을 가진 가상의 테두리(모서리 정보를 NN에 포함하기 위함)

weight이 다른 N개의 필터를 적용한 결과 N개

Activation Map -> Conv 여러번 적용

랜덤값으로 w초기값