Convolution Neural Network
filter : number of neuron
kernel : weights
feature map : output by convolution
위와 같이 (3,3) 2차원 입력이 있을때 filter의 갯수 3개, filter의 kernel의 크기는 (2,2)라고 하자.
우선 filter 한개가 2차원 입력을 총 4번돌면서 (2,2)출력을 만든다. filter는 3개이므로 이와같은 과정을 2번 더 반복하면 (2,2,3)출력이 만들어진다. 그리고 activation function을 통과하면 feature map이 만들어진다.
Padding : 입력 배열 주위를 가상의 원소로 채우는 것(일반적으로 0으로 채움)
padding을 하는 이유는 kernel이 도장을 찍는 횟수를 늘려 출력값의 크기를 키움
Same padding : 입력과 특성 맵의 크기를 동일하게 만드는 것
Vaild padding : padding을 하지 않는 것
Stride : kernel은 보통 좌우, 위아래로 한칸씩 이동하는데 이동하는 크기를 stride라고 함
보통 stride는 만지지 않는다.
