Convolution Layer 심화학습

퍼실님 Question

1. keras.layers의 Conv2D()는 필터의 크기 (가로, 세로)와 필터의 갯수를 인자로 받습니다. 그러나 각 층의 input 값으로 들어가는 feature map들은 depth가 3, 16, 32 등등 제각각인데요, 그렇다면 Conv2d()의 인자로 depth 정보는 왜 입력하지 않아도 되는걸까요?
2. Conv2D()의 인자 중 필터의 수는 ouput(feature map)의 형태 중 어느 부분에 영향을 줄까요?
3. 필터 수가 늘어나거나, 필터의 크기가 커지는 것은 이미지를 인식하고 해석하는 과정에서 어떤 영향을 줄까요?

 

My Answer

1. input image의 depth (= num of channels = num of feature maps) = filter 의 num of kernels

    ;  input에서 이미 정해지는 값이라 filter 넣을 때 따로 주지 않아도 자동으로 셋팅됨.

2. filter의 갯수 = output tensor의 depth (1 filter = 1 특징. filter가 많을수록 학습할 특징이 많아짐)

3. Big filter size는 weight가 많아 연산속도를 느리게 하기 때문에 small size를 선호.

    ; 그렇기 때문에 filter size를 크게 키우는 것보다, small filter size로 필터 수를 늘려

      output depth를 깊게 하는 것이 대부분의 경우 효과적.

 

https://towardsdatascience.com/a-comprehensive-introduction-to-different-types-of-convolutions-in-deep-learning-669281e58215

 

 

 

 

https://www.baeldung.com/cs/cnn-depth

 

https://stackoverflow.com/questions/36243536/what-is-the-number-of-filter-in-cnn

https://medium.com/analytics-vidhya/how-to-choose-the-size-of-the-convolution-filter-or-kernel-size-for-cnn-86a55a1e2d15

https://arxiv.org/ftp/arxiv/papers/2102/2102.02326.pdf

 

 

https://www.jeremyjordan.me/convolutional-neural-networks/

https://www.baeldung.com/cs/cnn-depth

https://arxiv.org/ftp/arxiv/papers/2102/2102.02326.pdf

https://stats.stackexchange.com/questions/196646/what-is-the-significance-of-the-number-of-convolution-filters-in-a-convolutional