CV Backbone Overview

CNN

CNN의 기본 구조

Filter

이미지처리를 위해 사용되는 행렬로 주로 edge detection, burring 등을 위해 사용되었으며 같은 filter로 이미지 전체에 sliding window로 convolution 연산 수행

Convolution 연산

이미지와 filter간의 합성곱 연산을 의미한다.

Convolution된 결과를 feature map 또는 activation map이라고 하며 특수한 목적으로 고안된 filter를 사용하면 원하는 activation map을 얻을 수 있다. 고정된 filter 대신에 우리가 원하는 방향으로 filter 값을 학습하는 것이 CNN의 목적이다.

Channel

Grayscale 이미지는 1개의 채널을 갖지만 일반적인 이미지는 3개의 채널로 이루어져 있다. 따라서 Convolution filter를 적용할 때 channel 수를 고려해야한다.

32x32x3 이미지에 5x5x3 Filter를 적용한다고 했을 때 한 번의 연산에 5x5x3영역만큼 연산한다. Sliding Window로 이미지 전체를 연하면 32x32x1 크기의 feature map을 얻고 더 깊은 feature map을 얻기위해선 더 많은 convolution filter를 사용해야한다.

Stride와 Padding

Feature map 크기를 조절할 수 있도록 stride와 padding을 사용한다.
Stride : Sliding window에서 한 step의 거리를 조절
Padding : 이미지 주변에 값이 0인 빈칸을 추가

Pooling

Parameter를 사용하지 않고 feature map의 크기를 축소한다.