CNN(Convolultion Neural Network)
-Fully connected layer
1.문제점
변형(이동)되면 인식하지 못함-> 물체가 이동해도 변하지 않는 특징을 읽을 필요// 위치에 상관 없이 classifier에 들어갈 input 손질. 균일하게 나타나게 함
이미지의 모든 pixel간의 feature 추출-> 비효율적
-Convolutional layer
1.장점:locally connected
현재 pixel의 가로세로 크기 만큼의 주변 pixel의 연관관계 계산
->인접한 정보끼리 계산/ 효율적
똑같은 feature라면 input의 위치와 관계없이 feature추출가능
-CNN의 옵션
: padding
output size가 줄어드는 것을 막기 위해 input data의 외각을 특정값으로 덧대줌.
edge부근의 feature도 잘 추출할 수 있음
overfitting 방지
: pooling-maxpooling
설정한 pool_size안에서 가장 큰 값으로 downsampling
downsampling해야 deeper layer에서 더 많은 영역의 정보를 담을 수 있음
overfigging 방지
: pooling-averagepooling
설정한 pool_size 내부 값의 평균 값으로 downsampling
:stride
convolution 연산을 몇 칸씩 이동하며 진행할 것인지
중간중간 빼먹으며 진행하여 overfitting 방지
-Fully Connected Layer
convolutional layer 자체는 feature를 효율적으로 추출
convolutional layer 자체가 classification하지 않음
마지막에 flatten해서 dense layer에 값을 전달해야함
