개요

이미지 처리를 위해 사용한다.
이미지의 공간적인 구조 정보를 보존하면서 학습할 수 있는 신경망.

크게 합성곱층(Convolution Layer)과 풀링층(Pooling Layer)으로 구성된다.

비선형화를 위해 활성화 함수를 사용해야 하는것도 다른 인공신경망 모델과 동일하다.
(보통 ReLU와 그 변형을 사용한다.)

합성곱 연산

입력과 커널을 합성곱연산한다.

Stride	Padding

커널의 원소는 가중치의 역할을 하고, 편향을 추가할 수 있다.

특성 맵

입력과 커널을 합성곱한 결과

$O_{h} = f l oor (\frac{I _{h} - K _{h} + 2 P}{S} + 1)$

$O_{w} = f l oor (\frac{I _{w} - K _{w} + 2 P}{S} + 1)$

$f l oor ()$ : 내림
$I_{h}$ : 입력의 높이
$I_{w}$ : 입력의 너비
$K_{h}$ : 커널의 높이
$K_{w}$ : 커널의 너비
$S$ : 스트라이드
$O_{h}$ : 특성 맵의 높이
$O_{w}$ : 특성 맵의 너비
$P$ : 패딩의 폭

풀링 층

일반적으로 합성곱 층(합성곱 연산 + 활성화 함수) 다음에는 풀링 층을 추가하는것이 일반적이다.