12/17 공부일지 - convolution(합성곱)의 채널 변화를 중점적으로 설명

공부를 하면서 마지막까지 헷갈렸던 개념 중에 하나였던 convoluition 대한 흐름과 과정이 오늘 해결했다.

우선 Convolution과 CNN의 용어차이를 이해할 필요가 있다.

convolution(합성곱)은 하나의 연산식이고, CNN은 이 연산식(합성곱 방식)을 포함한 모델을 말한다.

중요한건 이 내용들은 책에 다 친절히 나와있음. 난 중요성을 모르고 지나침.

 

연산 : 채널을 중심으로 설명.

만약 Input data가 10*10크기의 RGB 3채널이고, 필터는 3 * 3크기의 3채널을 갖고있을때 연산 순서.

1. Input Data의 첫번째 채널은 Filter의 첫번째 채널과 합성곱함.

2. Input Data의 두번째 채널은 Filter의 두번째 채널과 합성곱함.

3. Input Data의 세번째 채널은 Filter의 세번째 채널과 합성곱함.

4. 그리고  더해줌.

5. 결과물은 출력데이터 같이 1채널을 가진 매트릭스로 변환됨.. 입력 3채널, 필터 3채널 짜리 1개, 1채널 출력데이터

 

만약 필터가 3개라면?

1~5 번의 방식 유지하면서, 필터만 교체해서 과정을 반복해주는 것.

아래 그림과 같이 만약 필터가 3개였다면, 1채널의 출력 데이터 3개가 쌓여 3채널 출력데이터를 갖게됨.