lec 11-2

Contents

• Pooling layer (Sampling)
  • Max Polling
  • Fully Connected Layer(FC layer)

ㅤ

ㅤ

ㅤ

오늘은 Pooling layer에 대해 알아볼 것이다.

ㅤ

ㅤ

ㅤ

ㅤ

Pooling layer (Sampling)

Pooling layer는 Conv layer를 통과해 나온 Activation map (Feature map)을 입력 받아 Activation map의 크기를 줄인다.(resiae)

그리고 줄인 이미지를 다시 쌓는다. (Sampling)

Max Pooling, Average Pooling, Min pooling이 있다.
각 filter에서 최댓값(Max)을 추리는지, 혹은 최솟값(Min)이나 평균값(Average)을 내어 추리하는지에 따라 Pooling의 종류가 바뀐다.

Pooling layer를 사용하면 이미지의 크기는 작아지지만 채널 수에는 변경이 없으며, 이미지 내의 원하는 데이터에 집중할 수 있다는 장점이 있다.

ㅤ

ㅤ

Max Polling

2x2의 output,
가장 많이 사용되는 방식은 큰 값을 가져오는 Max pooling이다.

Score 값이 가장 크다 = 그 Feature이 가장 유력하다. (Max 값을 선택한 이유)

output으로 6,8,3,4가 나오는 것을 볼 수 있다.
빨간색에서 가장 큰 수(6), 초록색에서 가장 큰 수(8) ...
각 필터에서 Max 값이 나온 것을 알 수 있다.

ㅤ

ㅤ

Fully Connected Layer(FC layer)

CNN을 구성할 때는 Convolution, activation function, pooling을 원하는 대로 배치하면 된다.

마지막에는 보통 Pooling을 해주고, 원하는 깊이로 FC layer를 구성한 다음, Softmax를 통해 분류한다.