Inception 모듈과 멀티스케일 특징

1 / 17

100%

왜 다중 스케일 문제: 같은 이미지, 다른 크기의 특징이 필요한가? 실무에서 이 개념 없이는 문제를 해결할 수 없습니다. 핵심 동기와 배경을 먼저 이해합시다.

다중 스케일 문제란?이미지에는 작은 특징(edge, 점)과 큰 특징(얼굴, 배경)이 공존3×3 필터만 쓰면 넓은 구조를 놓치고, 큰 필터만 쓰면 세밀한 특징을 놓침VGG는 3×3만 깊게 쌓아 간접적으로 수용 영역을 넓혔지만, 직접적 다중 스케일 추출은 아님\text{수용 영역 (Receptive Field)} = (k-1) \times L + 1 (k: 필터 크기, L: 레이어 수)인셉션 모듈은 이 문제를 한 레이어에서 여러 필터를 병렬로 적용해 해결합니다.왜 중요한가? 하나의 이미지에서 고양이의 눈(작은 특징), 얼굴(중간 특징), 전체 몸(큰 특징)은 서로 다른 크기의 수용 영역(receptive field)을 필요로 합니다. 단일 크기의 합성곱 필터만 사용하면 특정 스케일의 패턴만 포착할 수 있습니다. 3×3만 쓰면 넓은 맥락을 놓치고, 7×7만 쓰면 세밀한 디테일을 놓칩니다.Inception은 여러 크기의 필터를 병렬로 적용하여 모든 스케일의 특징을 동시에 포착하며, 이것이 단일 필터 크기 네트워크보다 일관되게 좋은 성능을 보이는 이유입니다.Inception 모듈은 Szegedy 등이 제안한 멀티스케일 특징 추출 구조로, 1×1, 3×3, 5×5 합성곱을 병렬 적용한다 (Szegedy et al., 2015).

0:00 / 3:11

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

딥러닝 기말고사딥러닝 중간고사인공지능 전공 정리딥러닝 과제신경망 시험 대비

비전공/입문자

딥러닝 쉽게 설명딥러닝이란AI 기초 공부딥러닝 독학딥러닝 입문 추천

취준생

딥러닝 면접 질문AI 엔지니어 준비딥러닝 포트폴리오

직장인

딥러닝 실무 적용AI 업스킬링직장인 딥러닝 강의

대학원생/연구자

딥러닝 최신 동향neural network 서베이

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비