1*1 convolution은 왜 중요한가?
1*1 크기의 kernel을 input에 적용시키면 input의 모든 pixel을 그대로 가져온다
1번 적용하면 output channel은 1이되므로
kernel 수를 적절하게 조절하면 spatial dimension은 그대로 가져오면서 channel만 줄이는 효과가 있다
왜 사용하는가?
그림에서 보이지만 spatial dimension인 256*256을 input에서 output 그대로 가져오면서 channel수를 줄이는 효과를 가진다
convolution을 깊게 만들면서 parameter 수를 줄이는 획기적인 아이디어
'딥러닝 > Computer Vision' 카테고리의 다른 글
| 컴퓨터비전에서 사용하는 기본적인 data augmentation (0) | 2022.02.12 |
|---|---|
| ResNet의 핵심 아이디어인 skip connection과 Residual learning (0) | 2022.02.10 |
| GoogleNet의 핵심 아이디어 inception module, auxiliary classifier, 1*1 convolution 알아보기 (0) | 2022.02.08 |
| VGGNet는 왜 3*3 convolution을 사용했을까? (0) | 2022.02.07 |
| AlexNet의 핵심 아이디어 (0) | 2022.02.06 |
TAGS.
