· 필터크기는 이미지 특성에 따라 다르게 설정
- 많은 객체를 인식하려면 많은 양의 픽셀이 필요 -> 더 큰 필터 사용
- 객체가 작거나 로컬기능인 경우 -> 이미지에 비해 작은필터 사용
· VGGNet
- VGG연구의 핵심은 네트워크의 깊이를 깊게 만드는 것이 성능에 어떤 영향을 미치는지를 확인하고자 함
- 필터사이즈를 가장 작은 3x3으로 고정시킴으로써 네트워크의 깊이를 충분히 깊게 만들었음
- Convolution층이 깊어질수록 성능이 향상됨을 확인
- 3x3필터로 두차례 컨볼루션하는 것과 5x5필터로 한번 컨볼루션 하는 것이 대응됨.
· 3x3필터 3개 vs 7x7필터 1개
- 3x3필터가 3개면 총 27개의 가중치
- 7x7필터가 1개면 총 49개의 가중치
- 가중치가 적다는것->훈련시켜야할 개수가 줄어들음->학습의 속도가 빨라짐
- 층의 개수가 늘어나면서 특성에 비선형성을 더 증가시킴
'프로그래밍' 카테고리의 다른 글
| [C,C++] 메모리함수 정리 (0) | 2020.02.17 |
|---|