[딥러닝] Convolution

Convolution

Continuous convolution

Discrete convolution

2D image colvolution

convolution(no padding, no stride)

• 적용하고자하는 filter의 모양에 따라서 같은 이미지에 대해서 convolution output이 Blur가 될 수 있고, Emboss가 될 수 있고, Outline 등이 될 수 있다.

RGB Image Convolution

• convolution filter가 여러개 일 경우 convolution output(feature)의 결과는 filter의 개수만큼 차원이 늘어난다.

Stack of Convolutions

• (32323)짜리 RGB이미지로 (28284)짜리 feature map을 얻기 위해서 필요한 파라미터의 수 : (553)*4

Convolutional Neural Networks

• convolution layer, pooling layer: 이미지에서 유용한 정보, 특징을 뽑아내는 layer
• Fully connectied layer : 분류를 하거나 회귀를 하여 원하는 출력 값을 얻어주는 layer
• 요즘엔 parameter수를 줄이기 위해 fully connected layer를 최대한 줄이는 추세이다.

Stride

padding

Convolution Arithmetic

• ($40\times 50$)짜리 입력이 있고, 채널이 128개일 때, ($40\times50\times64$)짜리 output이 만들어졌다면 이 채널의 parameter 개수는?
  $3 \times 3 \times 128 \times 64 = 73,728$