VGG의 feature map의 크기이다. 큰 필터를 안 쓰는 이유는 밑에서 보여주겠다.
7*7을 한번 하나 3*3을 3번하나 관여영역(receptive field)는 같지만 파라미터의 수는 3*3이 훨씬 적다. 이러한 이유로 VGG에서도 3*3 filter를 여러번 사용하였다.
skip connection은 gradient의 소실때문에 생겨났다. 정보의 손실을 손실을 줄여주고, gadient 소실 또한 줄여준다.
Super-Resolution
영상처리에서 많이 사용되는 기법이다.
이전에도 사용했던 skip Connection을 통해 loss 손실을 방지하고, 이전에 무엇이 있었는지(공간정보, 상세정보)를 전달해준다.
skip connection을 통해 전달받은 max값의 위치를 통해 decoder에서 크기를 늘릴 때 그 위치에 max값을 두게 된다.
transposed Convolution을 통해 decoder에서 feature map의 크기가 증가하게 된다.
3*3의 data에 사이 사이에 0을 집어넣어 5*5 data로 만드는 것이다. 데이터의 해상도를 효과적으로 높이기 위해 사용된다. 또한 작은 data에서도 큰 필터를 사용할 수 있게 되어 더 넓은 영역의 정보를 학습할 수 있게 된다.
'인공지능 > 공부' 카테고리의 다른 글
| 인공지능과 빅데이터 1주차 1차시 - 교과목 소개 (1) | 2024.03.06 |
|---|---|
| 기계학회 인공지능 (0) | 2024.01.30 |
| 인공지능 Overfitting, Convolution, CNN (51) | 2023.12.16 |
| 인공지능 Initialization, Regularization, Transfer Learning (50) | 2023.12.16 |
| 인공지능 backpropagation, optimization- 개념 (0) | 2023.12.16 |