합성곱 신경망(CNN) - 풀링 계층

풀링

• 세로 · 가로 방향의 공간을 줄이는 연산
• 2x2 영역을 원소 하나로 집약해 공간 크기를 줄인다.

 

최대 풀링의 처리 순서

[그림1] 최대 풀링의 처리 순서

 

• 2 X 2 최대 풀링(max pooling, 맥스 풀링)을 스트라이드 2로 처리하는 순서
• 최대 풀링은 최댓값(max)을 구하는 연산으로 '2X2'는 대상 영역의 크기를 뜻한다.
• 윈도우가 3X3이면 스트라이드 3, 윈도우 4X4이면 스트라이드 4

 

평균 풀링(average pooling)

• 대상 영역의 평균을 계산
• 이미지 인식 분야에서는 최대 풀링을 사용

 

풀링 계층 특징

• 학습해야 할 매개변수가 없다.
  • 풀링 계층은 합성곱 계층과 달리 학습해야 할 매개변수가 없다.
• 채널 수가 변하지 않는다.
  • 풀링 연산은 입력 데이터의 채널 수 그대로 출력 데이터로 내보낸다.

 

풀링은 채널 수를 바꾸지 않는다.

[그림2] 풀링은 채널 수를 바꾸지 않는다.

• 입력의 변화에 영향을 적게 받는다.(강건하다)
  • 입력 데이터가 조금 변해도 풀링의 결과는 잘 변하지 않는다.

 

입력 데이터가 가로로 1원소만큼 어긋나도 출력은 같다.(데이터에 따라서 다를 수도 있다.)

[그림3] 입력 데이터가 가로로 1원소만큼 어긋나도 출력은 같다.(데이터에 따라서 다를 수도 있다.)

 

 

 

출처 : 밑바닥부터 시작하는 딥러닝

https://www.hanbit.co.kr/store/books/look.php?p_code=B8475831198

밑바닥부터 시작하는 딥러닝