꺼내먹는지식 준
CNN 이 깊어질 수록 feature Channel 크기를 키우는 이유 본문
두가지 이유가 있다.
1. 풀링을 적용하며, 데이터는 점점 작아지고, 이에 따라 더 많은 채널을 감당할 수 있다, 같은 양의 데이터를 유지하지만 문제에 더 연관있게 만든다.
2. 레이어가 깊어질 수록 더 많은 receptive fields를 가지고, 보통 더 많은 특정 feature에 대응한다. 앞단의 레이어는 주로 선과 같은 특징을 배우지만 깊어지고 나면 더 복잡한 마치 얼굴과 같은 특징들을 배운다. 즉, 선과 같이 단순한 특징과 비교했을 떄 훨씬 더 복잡한 특징이다. 이에 따라 다음과 같은 특징을 붙잡기 위하기 위하여 더 많은 채널이 필요하다.
'AI > 간단한 이해 글' 카테고리의 다른 글
딥러닝 모델 Ensemble 할 때 주의점 (0) | 2022.03.05 |
---|---|
Backbone 모델이란? (0) | 2022.02.21 |
Comments