CNN 3 - 컬러이미지(3D) 에서의 Convolution

컬러 이미지에서 컨볼루션이 어떻게 작동되는지 확인

이전까지 연산했던 내용들은 그레이스케일이 된 것으로 하나의 차원만 연산을 했다.

하지만 컬러 이미지는, 3개의 차원으로 이루어져있다.

이러한 채널을 모두 고려하여 컨볼루션 필터를 적용해야한다.

input image가 나무라 생각하고, filter는 나뭇잎이라고 생각하자.

연산을 하기전에 filter만 보면 다른 픽셀위치가 같은 다른 차원들의 값을 더하는것부터 진행을 한다.

여기서 필터를 컬러로 사용했을때 좋은점은

서로 비슷한 빨간색, 녹색 정지 표지판이 있다고 상상했을때,

한개의 필터(붉은나무)를 사용했을땐 한개의 출력이 나오고

A는 붉은나무
B는 푸른나무
두개의 필터를 사용했을땐, 두개의 기능맵,output이 나오며

각 특징 맵은 이미지의 다른 측면을 강조한다.

CNN은 저런 필터들이 수십만 수백만개가 넘는다.

이거는 컨볼루션 연산을 통해 생성되는 특징 맵의 크기를 계산하는 방법인데,

이 계산을 통해 입력 이미지의 크기와 커널의 크기, 그리고 필터의 수를 고려하여 출력 특징 맵의 크기를 결정 할 수 있고

이어서 CNN을 설계할 때 출력 크기를 미리 예측할 수 있으며, 이는 네트워크를 효율적으로 구성하는 데 도움이 된다는데, 이런것이 있다는것만 알아두자.