notion에 정리해뒀던 것
https://simple-newsprint-60d.notion.site/Channel-Feature-Map-d655f15f6a8049f98b4d7d27d4d19561

Channel이란?

만약 컴퓨터에서 어떤 이미지를 RGB로 처리한다고 하면, 이미지를 RGB 세 개 channel의 결합으로 생각할 수 있다.
이와 비슷하게 convolutional layer를 거치면 같은 이미지에 대한 feature amp(2차원 배열)이 커널의 갯수만큼 생기게 된다.
각 feature map을 길게 늘이지 않고 channel로 나누는 이유는 local connectivity를 이용하기 위해서이다.
이미지를 처음부터 하나의 긴 벡터가 아니라 2차원의 이미지로 처리하는 것과 같은 맥락이다.

이것을 3차원으로 생각해보면
width x height x (channel)의 갯수
로 생각할 수 있고, 따라서 channel의 갯수 = depth로 표현하기도 한다.

Feature Map이란?

• 텐서(tensor): 기계가 이해하기 좋은 숫자

  • 기계는 이미지나 글자보다 텐서를 더 잘 이해한다.

    			어라 왜 여기다가 tensor 의미를 넣어놨지?

• 특성 맵(feature map): 입력으로부터 커널을 사용하여 합성곱 연산을 통해 나온 결과

What is the objective of feature maps?

Explanation: The objective of feature maps is to capture the features in space of input patterns.

피처 맵의 목적은: 각각의 특징들을 패턴으로 읽어내는 것이 목적이다.
말 그대로 특징을 잡아내는 맵.

출처:  https://www.researchgate.net/figure/Visualization-of-deep-feature-maps-from-different-convolutional-layers-of-different-CNN_fig1_338289604

위 그림과 같이 피처를 잡아낼 수 있고, 모델에 따라 피처 맵의 모습이 다른 것도 확인할 수 있다.