CNN의 구성

CNN의 구성

CNN의 신경망

합성곱 계층(Convolution layer)와 완전연결 계층(Dense lyaer)

성곱 계층 + 활성화 함수 + 풀링을 반복하며 점점 작아지지만 핵심적인 특성들을 뽑아 내는데, 여기서 풀링 계층(Pooling layer)은 특성 맵의 중요부분을 추출하여 저장하는 역할을 한다.

Max Pooling

: 특성 맵에서 가장 큰 값들을 추출하는 방식

Average Pooling

: 특성 맵에서 평균 값을 추출하는 방식

Max / Average 비교

다시 해당 그림으로 돌아와서, 두 번째 풀링 계칭을 지나면 완전연결 계층과 연결이 되어야 하지만, 풀링을 통과한 특성 맵은 2차원이고, 완전연결 계층은 1차원이므로 연산이 불가하다.
따라서, 평탄화 계층(Flatten layer)를 사용하여 2차원을 1차원으로 펼치는 작업이 이루어진다.

평탄화 계층을 통과하게 되면 완전연결 계층에서 행렬 곱셈을 할 수 있게되고, 마찬가지로 완전연결 계층(=Dense=Fully connected) + 활성화 함수의 반복을 통해 점점 노드의 개수를 축소시키다가 마지막에 Softmax 활성화 함수를 통과하고, 출력층으로 결과를 출력하게 된다.