학습목표

• 스트라이드 합성곱을 배운다.

핵심키워드

• 스트라이드 합성곱 (strided convolution)
• 교차상관(cross correlations)
  

학습내용

• 스트라이드는 필터의 이동 횟수를 뜻합니다. 즉, 기존에 필터가 한칸씩 이동해서 계산했다면, 스트라이드를 주게 되면 그 수만큼 필터가 이동해서 계산하게 됩니다.
• 따라서 최종 크기는  \displaystyle(\frac{n+2p-f}{s} + 1) \times (\frac{n+2p-f}{s} + 1)   (​s​ ​n+2p−f​​+1)×(​s​ ​n+2p−f​​+1) 가 됩니다. 만약에 소수점으로 만들었다면 내림을 하게 됩니다. 보통은 필터에 맞춰서 최대한 크기가 정수가 될수 있도록 패딩과 스트라이드 수치를 맞춥니다.
• 신호처리에서의 교차상관과 합성곱의 관계를 알아봅니다.
• 일반적으로 수학에서 정의하는 합성곱은 합성곱을 하기 전에 필터를 가로축과 세로축으로 뒤집는 연산을 해줘야합니다.
• 지금까지 배운 합성곱은 사실 교차상관 이지만 딥러닝에서는 관습적으로 합성곱이라고 합니다.
• 딥러닝에서는 뒤집는 연산을 생략합니다. 이 뒤집는 과정은 신호처리에서는 유용하지만 심층 신경망 분야에서는 아무런 영향이 없기 때문에 생략하게 됩니다.