출처: 모두를 위한 딥러닝 강좌 시즌 1 by Sung Kim
Pooling
CNN의 구성을 보면 위와 같이 중간에 한 번씩 Pool이라는 것이 이루어지고 있다.
Pooling은 위와 같이 Conv Layer의 데이터에서 각각의 slice를 resize해서 다시 쌓는 것을 말한다.
sampling이라고도 한다.
Max Pooling
- Pooling도 filter를 통해 이루어진다.
- Max Pooling은 위 그림처럼 filter의 크기에 해당하는 데이터 중 가장 큰 값을 추출하는 방식을 말한다.
- Pooling 후 데이터의 크기는 Conv Layer를 만들때와 같은 공식으로 계산할 수 있다.
Fully Connected Layer(FC layer)
CNN을 구성할 때는 Convolution과 activation function, 그리고 pooling을 원하는 대로 배치하면 된다.
마지막에는 보통 pooling을 한 번 해준 다음, 원하는 깊이로 FC layer를 구성하고 마지막에 softmax classifier를 적용해서 labeling을 하게 된다.
FC는 앞선 포스트에서 설명되었듯, 앞의 layer의 모든 노드와 뒤의 layer의 모든 노드가 연결된 상태를 말한다.
Notice
다음 포스트에서는 CNN의 Case Study 챕터인 ML lec 11-3 를 생략하고 ML lec 12-1의 내용을 다루도록 하겠다.
