문과생CS정복기

Class Activation Mapping (CAM)원리: CAM은 CNN의 마지막 컨볼루션 레이어에서 생성된 특성 맵에 대해 GAP을 적용한 후, 특정 클래스의 예측에 대한 가중치를 곱하여 시각화합니다. 이 기술은 네트워크가 이미지의 어느 부분을 주목하며 해당 클래스를 예측했는지를 보여줍니다.사용 조건: CAM을 적용하기 위해서는 모델 아키텍처가 매우 특정해야 합니다. 즉, 마지막 컨볼루션 레이어 다음에 바로 GAP이 와야 하며, 그 다음에는 각 클래스에 대한 선형 레이어(로지스틱 회귀)가 위치해야 합니다.Gradient-weighted Class Activation Mapping (Grad-CAM)원리: Grad-CAM은 CAM을 일반화한 형태로, 어떤 CNN 아키텍처에도 적용할 수 있습니다. Gr..

Fully Connected Layer의 특징 및 단점특징:FC 레이어는 입력을 받아 모든 뉴런이 서로 연결되어 있는 전통적인 신경망 레이어입니다.FC 레이어는 특징들을 학습하고 분류를 위한 결정을 내리는 데 사용됩니다.단점:파라미터의 수: FC 레이어는 매우 많은 파라미터를 가지고 있어, 모델의 크기가 커지고 과적합(overfitting)의 위험이 증가합니다.계산 비용: 파라미터 수가 많기 때문에 학습 및 예측에 많은 계산 비용이 소모됩니다.공간적 정보의 손실: 입력 이미지의 공간적 구조를 잘 활용하지 못하고, 모든 입력 특징을 동등하게 취급합니다. Global Average Pooling의 특징 및 장점특징:GAP 레이어는 특성 맵(feature map)의 각 채널에 대해 평균을 계산합니다.이렇게 계..