반응형
Deconvolution
CNN에서 convolution layer는 convolution을 통해서 feature map의 크기를 줄인다. 하지만 Deconvolution은 이와 반대로 feature map의 크기를 증가시키는 방식으로 동작한다.
Deconvolution은 아래와 같은 방식으로 동작한다.
1 각각의 픽셀 주위에 zero-padding을 추가한다.
2. 이렇게 padding이된 것에 convolution 연산을 한다.
위 그림에서 아래쪽의 파란색 픽셀이 input 초록색이 output이다. 이 파란색 픽셀 주위로 흰색 zero-padding을 수행하고, 회색 filter를 통해 convolution 연산을 수행하여 초록색 output을 만들어낸다.
Deconvolution은 일반 cnn의 최종 결과물을 다시 반대로 되돌려 input과 같은 사이즈를 만들어내고 싶을 때 쓰인다. 주로 semantic segmentation등에 활용할 수 있다. Deconvolution은 Upsampling 등으로도 불린다.
반응형
'Data science > Machine Learning' 카테고리의 다른 글
| Gradient Boosting Algorithm의 직관적인 이해 (6) | 2019.01.21 |
|---|---|
| Segmentation과 Dilated Convolution (1) | 2017.11.07 |
| Spatial Transformation Network 란 무엇인가? (0) | 2017.10.26 |
| 딥러닝 - Universal Approximation Theorem 실험 (2) | 2017.07.02 |
| Deep Learning - Word Embedding 이란 무엇인가? (2) | 2017.06.25 |
