[DL] 풀링 계층 (Pooling Layer) 종류 (작성중)

CNN의 Layer 유형 3가지

• Convolution Layer
• Pooling Layer
• Fully Connected Layer

Stride

• Stride는 입력 이미지에서 필터를 몇 칸 씩 건너 뛰며 적용할지를 의미.
• Stride = 1, 한칸씩 건너뛰며 필터 적용
• (n,n) 이미지에 대해 p만큼 Padding한 후, (f,f) 필터로 s만큼 Stride하며 Convulution한다면,
• 출력 이미지의 크기는 ((n+2p-f)/s+1, (n+2p-f)/s+1)이 된다.

Pooling Layer

• CNN에는 Convolution layer 외 Pooling layer가 존재한다.
• 풀링은 네티워크의 복잡성과 계산 비용을 줄일 수 있다.

[풀링의 2가지 유형]

1. Max Pooling
2. Average Pooling

1. Max Pooling

• 입력 이미지를 필터 크기만큼의 여러 영역으로 나눈 후,
• 이미지 위에서 필터를 이동하며, 필터 영역 내에서 최대값을 뽑으며 진행된다.
• Max Pooling은 이미지에서 중요한 정보를 잡아놓는데 도움이 된다.
  • 아래 그림) (4,4)이미지에 대해 (2,2) 필터로 2만큼 stride하며 Max Pooling.
    

2. Average Pooling

• 입력 이미지를 필터 크기만큼의 여러 영역으로 나눈 후,
• 이미지 위에서 필터를 이동하며, 필터 영역 내에서 평균값을 뽑으며 진행된다.
• Average Pooling은 이미지에서 중요한 정보와 덜 중요한 정보를 균형있게 잡아놓는데 도움이 된다.
  • 아래 그림) (4,4)이미지에 대해 (2,2) 필터로 2만큼 stride하며 Average Pooling.
    

풀링 연산의 장점

• 잡음 처리
• 지나치게 상세한 특징 맵에서 요약 통계 추출
  • 특징 맵 축소됨. ⇒ 속도 up, 메모리 효율

풀링층 특성

• 학습할 매개변수 없음.
  • 단지 최대/평균 연산이기 때문
• 특징 맵의 수가 그대로 유지됨.
  • 특징 맵마다 독립적 연산 적용
• 작은 이동에 둔감하다.
  • 물체 인식, 영상 검색 등에 용이

출처
https://wooono.tistory.com/234