합성곱 신경망(Convolutional Neural Network, CNN) 크기 계산

 

• 합성곱 계층 (Convolutional Layers): 입력 이미지의 국소적 feature 학습, 필터를 사용하여 이미지의 부분 부분을 스캔하며 특징 맵을 생성
• 풀링 계층 (Pooling Layers): feature map의 차원을 줄여 계산량을 줄이고, 중요한 feature 추출
• Fully Connected layer: 마지막 풀링 계층 또는 합성곱 계층에서 생성된 2차원  feature map을 1차원 벡터로 펼치고, 이를 사용하여 각 클래스에 대한 점수를 계산

 

입력 크기 : H x W

필터 크기 : FH x FW

출력크기 :  OH x OW

패딩 크기 : P

stride 크기 : S라고 하면

 

- 출력 크기 formula :

출력 크기

- Depth = channel의 개수

입력 데이터의 channel 개수가 5개라면, (=depth가 5)

필터의 channel개수도 3개여야한다.

 

 

 

마지막 Fully Connected Layer가 적어도 하나는 필요하다. 

CNN을 통해서 결과적으로 이미지들을 분류하는 작업을 진행하는데,

이때 이러한 다차원 값들을 1차원 벡터로 펼쳐줘야 한다.

그래서 fully connected layer를 통해 다차원으로 존재하는 값들을 1차원 벡터로 전부 연결시켜서 값들을 보존시킨다.

 

- Flattend : 3차원 배열로 되어있는 이미지를 1차원의 긴 벡터로 만드는것