Global Average Pooling 이란
Global Average Pooling은 feature map 의 가로 x 세로 의 특정 영역을 sub sampling 하지 않고, 채널 단위로 평균 값을 추출하는 방법이다.
3차원 Feature map 을 1차원 Dense Classification layer에 연결 시, 많은 연결 노드와 파라미터가 필요하다. 예를 들어 (8 , 8, 512 ) 의 Feature map을 Flatten으로 1차원 형태로 바꾸면 8 x 8 x 512 = 32,768의 파라미터가 생기고, 여기서 100개의 뉴런으로 구성된 Layer에 연결하면 32,768,000개의 파라미터가 생긴다. 하지만 Global Average Pooling을 사용하게 되면 효과적으로 노드와 파라미터를 줄일 수 있다.
• 위의 그림과 같이 채널별로 평균 값을 출력한다
• GAP의 목적은 feature을 1차원 벡터로 만들기 위함이다. Flatten과는 반대로 파라미터수를 줄일 수 있다
• 충분히 채널수가 많을 경우 적용하고, 적을경우 Flatten이 더 유리하다
'컴퓨터비전(Computer Vision)' 카테고리의 다른 글
| 합성곱 신경망 정리 (Convolutional Nueral Network , CNN) (1) | 2024.01.13 |
|---|---|
| 객체탐지 - SSD(Single Shot MultiBox Detector) (0) | 2023.11.17 |
| 파이토치(Pytorch)[4] - 선형 회귀(Linear Regression) (1) | 2023.10.27 |
| 파이토치(Pytorch)[2] - 경사하강법 (0) | 2023.10.24 |
| 데이터 부족 문제 완화 [2] - Transfer Learning (전이학습) (0) | 2023.10.20 |