Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- torch
- python
- objectdetection
- ViT
- __init__
- CNN
- 딥러닝
- torch.nn
- 파이썬문법
- LSTM
- DeepLearning
- 컴퓨터비전
- pychram
- Deep learning
- tensorflow
- Anaconda
- __call__
- vision transformer
- torch.nn.Module
- pytorch
- Torchvision
- AI
- NumPy
- rnn
- segmentation
- vsC
- 가상환경구축
- 머신러닝
- 가상환경
- 파이썬
Archives
- Today
- Total
인공지능을 좋아하는 곧미남
[Convolution Operation] Kernel, Channel 본문
Convolution Operation에 관해 수식만 본다면, 직관적으로 이해하기가 어려울 수 있다.
그래서, 나는 Image Pixel Matrix를 간단하게 시각화하여 블로그에 기록을 남긴다.
우선, Convolution Operation은 Kernel 크기 만큼의 Map(Weight를 가지는)과 Input image나 feature를 합성곱 연산을 통해 이미지의 특징을 추출하는 과정입니다.
Kernel 이란? n x m 크기의 행렬로 Input으로 들어오는 Image나 Feature(Width X Height 크기)를 왼쪽 상단부터 오른쪽 하단까지 순차적으로 Window Sliding 하는것인데요.
- Kernel 크기의 겹쳐지는 부분의 weight = K
- Image pixel이나 Feature value = I
두 Matrix K, I의 원소 곱을 모두 더한 값을 출력으로 하는 나타내는 것을 말합니다.
그림으로 이해하시면 좀 더 편합니다.
Channel 이란? Convolution 연산할때 Kernel 크기의 Channel의 수 만큼 Weight Map을 만들어 weight 연산을 합니다. 이때 Weight Map의 수와 같다고 할 수 있습니다. 따라서, Channel이 많으면 많을 수록 할당되는 Weight의 수가 많다고 생각할 수 있습니다.
이해가 되셨으면 좋겠습니다. 감사합니다. 부족한 부분은 댓글로 남겨주시면 답변드릴게요.
'인공지능 개발자의 기본 소양' 카테고리의 다른 글
2022년도 국제인공지능대전 AI EXPO KOREA 참석 리뷰 (0) | 2022.04.16 |
---|---|
Case of weight nans value during training (0) | 2022.02.09 |
When update weight consider of hyperparameters (0) | 2021.08.30 |
인공지능 모델들의 평가 지표에 관한 정리 (0) | 2021.06.07 |
Google Protocol Buffers (데이터 직렬화) (0) | 2021.06.03 |
Comments