딥러닝 Convolution(합성곱) layer

왜 딥러닝 할때 이미지를 Convolution하는 레이어가 필요할까? 예시1) 딥러닝해서 100개의 옷 이미지들을 5개의 카테고리로 분류해주는 프로그램 이때 원하는 최종 출력값을 [0.2, 0.1, 0.95 , 0.0 ,0.0] 이런식으로 1차원 리스트중 제일 가까운 카테고리에 확률을 알려주는 형태로 뽑아야함 1. 이미지를 그레이 픽셀데이터(2차원 n*n)로 바꾼후 2. 해당 데이터를 1차원 데이터로 변환(Flatten) 3. 1차원 결과 값 출력 이때 문제점 발생! 2차원->1차원으로 변환(Flatten)을 거칠때 1차원으로 바꾼 이미지데이터는 더 이상 이미지로서 모양이나 특징을 이용할 수 없는 값이 됨 그러해서 학습한 이미지에서 조금이라도 달라지면 해당 이전 학습한 데이터는 무쓸모가 되어버림 그래서 나온 해결책이 convolution layer 해결책 Convolution layer 이미지에서 중요한 정보를 추려서 20개의 복사본을 만든다 복사복은 각각 서로 다른 이미지의 중요한...

원문링크 : 딥러닝 Convolution(합성곱) layer