설명을 정말 간단하게 잘 해놓으셔서 좋은데, 비전공자라 궁금한게 있어서 댓글 남깁니다. 1. 결국 필터와 풀링 둘다 줄이는 과정인데 궁극적인 차이가 궁금하고, 풀링 다음 풀링이 못 오는 이유가 있는지? 2. 신경망_1에서 한번의 필터를 통해서 가로부분이 강조되었는데, 다음 계산을 혼자 해보니까 5모양이 사라지던데, 이는 특징이 사라지는것 아닌지? 그리고 좀더 여쭙고 싶은 것들이 있는데 이메일 주소 알려주실 수 있나요?ㅎ
1. 필터는 필터영역 가중치와 적용 부분의 요소별 곱과 그 곱한 값들의 합으로 구해지는 컨볼루션 연산을 하는 것이고, 풀링은 대표값을 (최대,최소)선정 또는 (평균)산출 해서 값을 뽑는 것이라고 할수 있죠. 한마디로 필터는 컨볼루션 연산을, 풀링은 움직이는 영역 내 픽셀의 대표값으로 크기를 줄이는 것이라고 할 수 있습니다
2.( 각 계층의 컨볼루션 필터 또한 하나의 변수이기 때문에 값들은 학습에 따라 바뀌는게 정상이나, 이해를 위해 필터를 가로방향으로 가중치가 있도록 고정하고 계산을 한 것이라고 먼저 이해를 해주시고..) 컨볼루션 필터 또한 학습을 통해 입력이 들어가면 출력이 나오게끔 가중치를 변경하는 학습을 진행하기 때문에 그 사이의 특징 맵들은 우리가 인지적으로 이해할 수 있는 특징맵일 확률은 낮습니다. (사람의 이해와 기계의 이해는 다를 수 있습니다) 단지 위의 예시는, 정말 운좋게, 처음 단에 저런 필터가 나올 경우 컨볼루션 연산을 해보니 가로 성분이 강조가 되니깐, 컨볼루션 신경망이라는 것은 이런식으로 자기(모델)가 강조하고자 하는 부분을 연산하고 이해하고 있구나라고 기계의 인지(이해?!)를 사람 입장에서 엿보는 것이라고 생각해주시면 좋을 것 같습니다
![Felix "Unfair" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/Oswujxm2Ag0/mqdefault.jpg)
CNN 공부한다고 해외 영상만 줄곧 찾아봤었는데 이렇게 훌륭한 강좌가 있었네요. 과정별로 연산을 차근차근 설명해주셔서 이해가 더 잘 됩니다. 좋은 영상 만들어주셔서 감사합니다.
강의영상 보고 댓글 처음 달아봅니다 . 정말 중요한 부분만 정리를 너무 잘해주셔셔 완벽히 이해하고갑니다. 십분 딥러닝 시리즈 계속 만들어 주셨으면 좋겠습니다.구독하겠습니다.감사합니다.
하...사랑...아니...감사합니다~ㅎㅎ!!
너무 좋은강의 감사합니다!!
감사합니다:)
다른 영어 원서들과 비교해봐도 깔끔하고 좋네요! 깃헙 아이디 알 수 있을까요?
깃헙은 기획 중에 있으나 아직 오픈 프로젝트가 없습니다..ㅠㅠ;
안녕하세요. 좋은 강의 잘 봤습니다. 질문이 하나 있는데요, fully connected layer에서 예시 들어주신 부분에서 2x2 인 경우 위아래 두개씩 자른 후 그걸 세워서 넣어준다고 하셨는데 이렇게 하는 이유가 있을까요?
Fully Connected Layer 의 경우 노드가 일렬로 된 형태이기 때문에, 그것과 CNN을 통과한 n차 데이터를 매칭시키기 위해서는 비슷한 형태로 만들어 줘야 한다고 이해하시면 좋을 것으로 생각합니다:)
@@10mindeeplearning 일렬로 되어있어 n차를 맞추려고 일부러 세워서 한다고 생각하겠습니다! 감사합니다^^
설명을 정말 간단하게 잘 해놓으셔서 좋은데, 비전공자라 궁금한게 있어서 댓글 남깁니다.
1. 결국 필터와 풀링 둘다 줄이는 과정인데 궁극적인 차이가 궁금하고, 풀링 다음 풀링이 못 오는 이유가 있는지?
2. 신경망_1에서 한번의 필터를 통해서 가로부분이 강조되었는데, 다음 계산을 혼자 해보니까 5모양이 사라지던데, 이는 특징이 사라지는것 아닌지?
그리고 좀더 여쭙고 싶은 것들이 있는데 이메일 주소 알려주실 수 있나요?ㅎ
1. 필터는 필터영역 가중치와 적용 부분의 요소별 곱과 그 곱한 값들의 합으로 구해지는 컨볼루션 연산을 하는 것이고, 풀링은 대표값을 (최대,최소)선정 또는 (평균)산출 해서 값을 뽑는 것이라고 할수 있죠. 한마디로 필터는 컨볼루션 연산을, 풀링은 움직이는 영역 내 픽셀의 대표값으로 크기를 줄이는 것이라고 할 수 있습니다
2.( 각 계층의 컨볼루션 필터 또한 하나의 변수이기 때문에 값들은 학습에 따라 바뀌는게 정상이나, 이해를 위해 필터를 가로방향으로 가중치가 있도록 고정하고 계산을 한 것이라고 먼저 이해를 해주시고..)
컨볼루션 필터 또한 학습을 통해 입력이 들어가면 출력이 나오게끔 가중치를 변경하는 학습을 진행하기 때문에 그 사이의 특징 맵들은 우리가 인지적으로 이해할 수 있는 특징맵일 확률은 낮습니다. (사람의 이해와 기계의 이해는 다를 수 있습니다) 단지 위의 예시는, 정말 운좋게, 처음 단에 저런 필터가 나올 경우 컨볼루션 연산을 해보니 가로 성분이 강조가 되니깐, 컨볼루션 신경망이라는 것은 이런식으로 자기(모델)가 강조하고자 하는 부분을 연산하고 이해하고 있구나라고 기계의 인지(이해?!)를 사람 입장에서 엿보는 것이라고 생각해주시면 좋을 것 같습니다
2_2. 여러 실험과 연구 결과 일반적으로 칸
컨볼루션 초기에는 선이나 가로세로 같은 낮은 수준의 특징을 , 뒤로 갈수록 모양이나 형태와 같은 높은 수준의 특징을 잡아낼 것이다라고 추측하고 있습니다.
이메일주소는 10mindeeplearning@gmail.com 입니다
@10min deep learning 제가 역시 비전공자라서 너무 단편적으로만 봤다는 것이 느껴지는 답변 감사합니다!ㅎㅎ 또 문의드리겠습니다~