Convolution 필터 작동 원리
CNN 합성곱 신경망 (Convolution Neural Network)
이미지 특징 추출에서는 크게 합성곱층(Convolution Layer)과 풀링층(Pooling Layer)으로 구성
이미지의 특징을 추출하고(Feature Learning), 이미지를 분류함(Classification)
영상객체 인식에서 우수한 성능을 보이는 신경망
이미지는 3차원 텐서 : 높이, 너비, 채널
3 color channels
채널이 1 : 흑백 이미지
채널이 3 : RGB 색상 이미지
Height : 4 Units(Pixels) 높이 : 이미지의 세로 방향 픽셀 수
Width : 4 Units(Pixels) 너비 : 이미지의 가로 방향 픽셀 수
각 픽셀은 0~255 사이의 값을 가짐
이미지와 필터
32(높이) x 32(너비) x 3(채널) 크기의 이미지에서 5(높이) x 5(너비) x 3(채널) 필터 사용
이미지 아웃 채널과 필터의 채널은 항상 같아야 함.
필터는 항상 입력 값의 전체 깊이를 확장하기 때문
Filters always extend the full depth of the input value.
필터 작동 원리
벡터의 내적을 계산하며 필터가 이미지를 슬라이딩하며 지나감
벡터의 내적
5(높이) x 5(너비) x 3(채널) = 75차원 벡터 내적 + 편향(Bias)
