[CNN] CNN 풀링 Pooling

Convolutoinal network

• Convolution (Conv)
• Pooling (POOL)
• Fully connected (FC)

Conv 예시

• design의 대부분은 filter size, padding, stride 등 hyper parameter를 고르는 것
• 신경망이 깊어질 수록 크기가 H, W줄어듦, 채널을 늘어남 대부분의 합성곱 신경망이 이러함

---

Pooling layers

• 표현 크기를 줄이고 계산 속도를 높임
• 특성을 더 잘 검출 할 수 있게함

 Max Pooling

• 성능이 좋아 많이 사용됨
• 최대값을 남김
• 한 특성이 필터의 한 부분에서 검출되면 높은 수를 남김
• input 의 채널 크기가 nc 라고 한다면 pooling 결과 값의 채널 크기도 nc임

• 4 x 4 Hyper parameter
  • f = 2
  • s = 2
  • 학습 parameter가 없음

• 5 x 5 Hyper parameter
  • f = 3
  • s = 1
  • 학습 parameter가 없음

 

---

Average Pooling

• 자주 사용하지는 않음 (깊은 신경망에서 7 x 7 x 1000의 값을 처리할 때 주로 사용)
• 평균은 남김

• 4 x 4 Hyper parameter
  • f = 2
  • s = 2
  • 학습 parameter가 없음

---

Summary

• Hyperparameter
  • f : filter size
  • s : stride
  • 주로 f = 2, s = 2 가 많이 쓰임 (높이와 너비를 절반으로 줄여주는데에 효과적임)
    • f = 3, s = 2 등
  • padding은 주로 사용 안 함

---

https://www.youtube.com/c/Deeplearningai

DeepLearningAI