- 특징 추출과 분류 : 합성곱 신경망은 크게 특징 추출을 맡는 부분과 분류를 맡는 부분으로 나뉜다.
특징 추출을 맡는 부분은 일련의 합성곱층, 분류를 맡는 부분은 마찬가지로 일련의 전결합층으로 구성된다. - 이미지 깊이는 증가, 크기는 감소 : 모든 층의 입력은 이미지이며 이전 층에서 생성된 새로운 이미지에 합성곱 연산을 적용한다.
이미지 깊이가 증가하고 크기는 감소하는 이러한 경향은 모든 합성곱 신경망에서 공통적으로 나타난다. - 전결합층 : 대부분의 경우 모든 전결합층은 유닛 수가 같거나, 이어지는 층에서 점차 유닛 수가 감소하는 패턴을 보이는데 모든 전결합층의 유닛 수를 같게 해도 신경망희 학습을 발견하지 못했다.
https://python.plainenglish.io/convolution-neural-network-cnn-in-deep-learning-77f5ab457166
[참고자료]
https://www.hanbit.co.kr/store/books/look.php?p_code=B6566099029
