기존 CNN 모델의 모양은 다음과 같다.
우리는 여기서 dense layer를 없애기 위해 Convolutionalization을 시킬 수 있다.
기존 CNN VS Fully Convolutional Network
- 파라미터 수
- left: 4x4x16x10 = 2,560
- right: 4x4x16x10 = 2,560(같음)
Why Convolutionalization?
반면, FCN은
결과를 heatmap으로 그려보면, 공간 정보가 유지되고 있음을 알 수 있음.
FCN은 앞에서 이야기 했던 것처럼 input dimension에 independent 하나, Convolutional Layer를 거치면서 output의 dimension은 계속에서 줄어든다는 문제가 있다.
Deconvolution(conv transpose)
- upsampling 방법 중 하나
- 컨볼루션의 역 연산으로, 줄어들었던 spatial dimension을 다시 늘리는 역할을 한다.
- 패딩을 많이주고 convolution 하는 것과 같음