Convolution Neural Network

Introduction

• 포즈로 판별하기에는 이러한 특징을 가지는 이미지는 고양이야! 라고 정의하기에는 수많은 예외케이스를 다룰 수 없음
• 작은 크기의 필터를 순환시키며 고양이  귀, 눈, 코를 판별하여 이를 통하여  고양이다 라고 정의

Convolution Operation

• 각 이미지가 가져야 하는 부분부분의 패턴만을 탐지하는걸 목표로 함
• filtering:  해당 필터 안에서 얼마나 겹치는지 내적 값을 구한 뒤 그 합을 구하고 평균을 냄 -> 픽셀별로 평균적인 매칭 정도 파악
•  filter를 어떻게 정의하느냐에 따라서 activation map이 다르게 나타남

Convolution vs Fully-Connected Operation

•  Fully-Connected Operation: 각 픽셀에 가중치를 곱하는 방식
• COnvolutional filter: 3차원의 이미지인 경우 filter도 z차원이 3개
• 첫뻔째 convolutional에서의 여러 FILTER: 다양한 각도를 가지는 edge
• 두번째 conolutional layer에서: 사람 얼굴에서 있을 법한 엣지들의 조합으로 생성된 복잡한 패턴들
• 세번째 convolutional layer: 대머리사람, 콧수염있는 사람 등으로 다양한 얼굴 조합 가능

Pooling

• activation map 중 가장  큰 값만 짱하는 방식: max-pooling
  • 값이 없을 경우 0 으로 padding
  •