AlexNet
- 1. AlexNet 구조
= 1. 8개 Layer 로 구성
= 2. 5개 Convolution Layer + 3개 Full-connected Layer
- 2. 1st Layer
= 1. 96개의 11 x 11 x 3 Size Kernel, 입력 영상을 Convolution 함
= 2. Convolution Stride 을 4로 설정, zero-padding 은 사용하지 않았음
= 3. zero-padding 은 Convolution 로 인해 특성 맵의 Size 가 축소되는 것을 방지, 또는 축소 정도 감소
-> 가장자리 부분에 0 추가
= 4. ReLU 함수로 활성화, local response normalization 시행
- 3. 2nd Layer
= 1. 256 개의 5 x 5 x 48 Kernel 사용, 전 단계의 특성맵을 Convolution 해줌
= 2. Stride 는 1, zero-padding 은 2로 설정
= 3. ReLU 함수 활성화, Stride 2 시행을 통해 13 x 13 x 256 특성맵 획득
= 4. local response normalization 시행, ReLU 함수 활성화
- 3. 3rd Layer & 4th Layer
= 1. 384 = 3 x 3 x 256 Kernel, 전단계 Convolution
= 2. Stride 와 zero-padding 모두 1로 설정 -> 13 x 13 x 384 특성맵, ReLU 함수 활성화
- 4. 5th Layer
= 1. 256 = 3 x 3 x 192 Kernel, 전단계 Convolution
= 2. Stride 와 zero-padding 모두 1로 설정 -> 13 x 13 x 384 특성맵, ReLU 함수 활성화
= 3. 3 x 3 overlapping max-pooling 을 stride 2 로 시행 -> 6 x 6 x 256 특성맵
- 5. 6th Layer & 7th Layer
= 1. 6 x 6 x 256 특성맵 flattern, 6 x 6 x 256 = 9216 차원 Vector
= 2. 4096 개 뉴런과 fully connected, ReLU 함수 활성화
- 6. 8th Layer
= 1. 1000 개의 뉴런, 전단계 4096 개 뉴런과 fully connected
= 2. 1000 개 뉴런 출력 값에 softmax 함수를 적용, 1000개 Class 에 각각에 속할 확률을 나타냄
- 7. 출처
= 1. https://bskyvision.com/entry/CNN-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98%EB%93%A4-AlexNet%EC%9D%98-%EA%B5%AC%EC%A1%B0
= 2. https://velog.io/@lighthouse97/AlexNet%EC%9D%98-%EC%9D%B4%ED%95%B4