본문 바로가기

머신러닝, 딥러닝

3차원의 합성곱 연산

지금까지 2차원 형상을 다루는 합성곱 연산을 살펴봤다. 그러나 이미지만 해도 세로 * 가로 에 더해서 채널까지 고려한 3차원 데이터이다.

이번 내용은 조금 전과 같은 순서로, 채널까지 고려한 3차원 데이터를 다루는 합성곱 연산에 대해 알아보자.

위의 그림은 3차원 데이터의 합성곱 연산의 예이다. 2차원일 때와 비교하자면, 길이 방향 ( 채널 방향 ) 으로 특징 맵이 늘어났다. 채널쪽으로 특징 맵이 여러개 있다면, 입력 데이터와 필터의 합성곱 연산을 채널마다 수행하고, 그 결과를 더해서 하나의 출력을 얻는다.

아래의 그림은 계산 순서이다.

3차원의 합성곱 연산에서 주의할 점은 입력 데이터의 채널 수와 필터의 채널 수가 같아야 한다는 것이다. 이 예에서는 모두 3개로 일치한다. 한편, 필터 자체의 크기는 원하는 값으로 설정할 수 있다. ( 단, 모든 채널의 필터가 같은 크기여야 한다. ) 이 예에서는 필터의 크기가 ( 3, 3 ) 이지만 원한다면 ( 2, 2 ) 나, ( 1 , 1 ) , ( 5 , 5 ) 등으로 설정해도 된다.

하지만 필터의 채널 수는 입력데이터의 채널 수와 같도록 설정해야 한다.

'머신러닝, 딥러닝' 카테고리의 다른 글

스트라이드, Stride  (0) 2020.01.20
패딩, Padding  (0) 2020.01.20
합성곱 연산  (0) 2020.01.20
기울기  (0) 2020.01.20
편미분  (0) 2020.01.20