[패스트캠퍼스 수강 후기] 컴퓨터비전인강 100% 환급 챌린지 29 회차

 

Convolution 연산을 수행하기 전, 입력데이터 주변을 특정값( 0 또는 1 ) 으로 채워 늘리는 것을 말한다.

Convolution 연산을 수행하면 shape이 줄어드는 단점을 방지하기 위해 자주 사용되는 방법

 

•Filter(Kernel)이 한번 Convolution 연산을 수행한 후 옆 혹은 아래로 얼마나 이동할 것인가

•Stride=2: 한 번에 two fixel 단위로 이동 (feature map의 너비와 높이가 2배수로 다운샘플링 되었음을 의미)

출력 데이터의 크기를 조절하기 위해 사용

 Stride는 값을 크게 주면 이동 간격이 넓어져 출력 데이터의 크기가 작아진다

보통 1과 같이 작은 값이 더 잘 작동하며,

Stride가 1일 경우 입력 데이터의 spatial 크기는 pooling 계층에서만 조절하게 할 수 있다.

Padding 과 다르게 stride 는 출력데이터의 크기를 축소시는 역할을 한다

 

•Conv size 가 너무 크다보면 연산량이 많아짐, size를 축소시켜 단순화 시키기 위해 사용

•일반적으로 2*2 크기의 window, stride=2 사용 (겹치지 않게 한다.)

•강제적인 subsampling 효과

•weight 수를 줄여 계산속도를 높임

•특징의 공간적 계층구조를 학습한다. => 부분적 특징을 묶어 전체적인 특징의 정보를 표현하게 된다.

•학습할 weight가 없음: 일반적으로 convolutional layer+pooling layer를 하나의 레이어로 취급

•CNN architecture에서 다뤘듯이 이미지 처리에서 특성값을 잘 찾아주는 맥스 풀링(Max Pooing)을 이용