강의 계획 레슨 246개 중 112번째 · 모듈 10: 보는 신경망(CNN)
모듈 10: 보는 신경망(CNN)

손으로 하는 합성곱

왜 중요한가 작은 가중치 묶음 하나를 이미지 전체에 미끄러뜨리면, 어디서든 같은 패턴을 찾아요. 그 생각 하나가 방금 무너지는 걸 본 것을 고쳐요.

보기

애니메이션을 재생하세요. 3 × 3 가중치 격자, 필터가 이미지의 왼쪽 위 구석에 앉아요. 그 아래 픽셀 9개 각각에 위에 있는 가중치를 곱하고 더하세요: 그게 출력 숫자 하나예요. 오른쪽으로 한 걸음 미끄러뜨리고 다시 하세요. 필터가 모든 위치를 방문하면, 출력들이 특성 맵이라는 새롭고 조금 더 작은 이미지를 이뤄요.

작은 숫자

필터 [[-1, 0, 1]] * 3 rows는 왼쪽에서 오른쪽으로의 밝기 변화에 반응해요: 왼쪽이 어둡고 오른쪽이 밝은 조각에서는 큰 양수를, 평평한 조각에서는 0을 줘요. 경계 검출기이고, CNN에서 그런 필터는 손으로 쓰는 게 아니라 학습돼요.

필터(커널): 작은 가중치 격자. 유효 합성곱: 필터가 이미지 안에 완전히 들어가는 위치만, 그래서 n × n 이미지와 k × k 필터는 (n - k + 1) × (n - k + 1)을 줘요.

이 레슨의 단어와 기호
합성곱
작은 가중치 격자(필터)를 이미지 위로 미끄러뜨리며, 위치마다 내적 하나
필터, 특성 맵
학습한 작은 가중치 격자, 그리고 그 반응들의 이미지
내 차례

conv2d(img, k)를 쓰세요: 출력 위치를 도는 반복문으로, 2D 이미지와 2D 필터의 유효 합성곱(필터를 뒤집지 않는 딥러닝 방식).

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.