Deep Learning Study (11) / 24.09.27

Feature Map 추출 과정

• • 저수준 패턴(Low-Level Features): 주로 선, 에지(경계), 모서리, 간단한 텍스처 -> 값들이 간단하고 일관적이며 특정 위치에만 집중
  • 고수준 패턴(High-Level Features): 이미지의 전체적인 모양, 구조, 객체의 일부분 -> 다양한 값들이 분포하며, 더 복잡하고 다양한 특징을 표현이미지 데이터에서의 패턴 : 에지(경계), 선, 모서리, 텍스처, 색상, 특정 모양 등의 시각적인 요소 -> 숫자 행렬로 표현

저수준

고수준

• Filter(Kernel)를 사용해 이미지의 픽셀 값과 연산하여 수치화됨 (Feature Map 추출) -> 초기 Layer에서는 저수준 패턴 학습, 깊어질수록 고수준 패턴 학습
• 학습 과정 반복을 통해 특정 패턴에 반응하도록 Backpropagation을 통해 가중치 값 조정

⇒ 한 번 학습할 때는 층이 깊어질 수록 커널을 통해 저수준 → 고수준 Feature Map 추출

⇒ 학습이 더 진행될수록 커널 업데이트 == epoch가 더 커질수록 각 층에서의 커널도 저수준 또는 고수준 Feature Map 추출을 더 정교하게 할 수 있도록 파라미터(가중치) 업데이트