본문 바로가기

딥러닝 #cnn #패딩 #samepadding #activationmap #합성곱신경망 #출력크기계산 #딥러닝기초 #스트라이드 #커널사이즈1

딥러닝에서 패딩이 필요한 이유와 액티베이션 맵 크기 계산법 합성곱 신경망(CNN)에서 입력 이미지가 여러 계층을 거치면서 크기가 줄어드는 현상은 모델의 설계와 성능에 큰 영향을 줍니다. 이 문제를 해결하고자 자주 사용되는 기법이 바로 패딩(Padding)입니다.또한, CNN 구조를 이해할 때 꼭 알아야 할 것이 각 계층의 출력 크기(Activation Map Size)를 계산하는 공식입니다. 이번 글에서는 패딩이 필요한 상황과 액티베이션 맵의 크기 계산 방법을 실제 예시와 함께 설명하겠습니다. 📚 목차1. 패딩(Padding)이란?2. 패딩을 사용하는 이유3. 액티베이션 맵 크기 계산 공식4. 계산 예시5. 결론1. 패딩(Padding)이란?패딩(Padding)은 이미지의 가장자리에 0으로 채운 여백을 추가하여 입력 이미지의 크기를 인위적으로 확장하는 기술입니.. 2025. 5. 7.

이전 1 다음

티스토리툴바