인프런 커뮤니티 질문&답변

작성한 질문수

설계독학맛비's 실전 AI HW 설계를 위한 바이블, CNN 연산 완전정복 (Verilog HDL + FPGA 를 이용한 가속기 실습)

[AI HW 11장][Model Compression Part 2] MobileNet v1 (Depth Separable Convolution)

용어 정리

작성

·

411

1

안녕하세요 맛비님.

이번 강의를 들으면서 수업 관련 개념을 명확하게 하고자 용어 정리를 하고자 합니다!

지금까지 해온 것들을 보면,

CNN 연산 모듈을 설계했냐? -> 그렇다.

input feature map을 input으로 넣어 output feature map을 도출했냐? -> 아니다. kernel의 size만큼 input feature map에서 window 해서 kernel size의 channel input만큼 해당하는 부분을 Convolution 연산하였다. 최종적으로는 output feature map 1포인트의 channel output만큼 해당하는 값을 구했다.

라고 할 수 있을까요? 처음 듣는 사람이 window라는 말을 잘 이해하지 못한다면 어떻게 쉽게 말할 수 있을까요?

cnn fpga 임베디드 임베디드 verilog-hdl

답변 1

0

설계독학맛비

지식공유자

안녕하세요 :)

"이미지 처리에서 창은 필터링, 형태 변환 및 특징 감지와 같은 다양한 작업에 사용되는 이미지의 작은 영역입니다."

window 라는 워딩은 Image processing 에서 convolution 에서 사용하는 kernel 을 일컬어서 말합니다. 어원은 저도 잘 모르지만 3x3 kernel 모양이 window 하고 비슷해서 같긴 해요.

window == kernel 이렇게 생각해주시면 될 것 같아요.

즐공하세요 :)

질문자

답변 감사합니다.

그러면 수업에서 다룬 CNN 연산 모듈은

input feature map의 kernel size 만큼 CNN 연산을 할 수 있는 모듈이라고 말할 수 있을까요?

아니면 image의 kernel size 만큼의 부분을 input feature map이라고 하나요?

설계독학맛비

지식공유자

안녕하세요 :)

그러면 수업에서 다룬 CNN 연산 모듈은 input feature map의 kernel size 만큼 CNN 연산을 할 수 있는 모듈이라고 말할 수 있을까요?

-> 정확하게 맞습니다.

아니면 image의 kernel size 만큼의 부분을 input feature map이라고 하나요?

input feature map 은 kernel size 영역이 아닌, 전체 영역을 의미합니다. 그림 참고 부탁드려요.

질문자

완벽하게 이해되었습니다 감사합니다

설계독학맛비

지식공유자

넵 즐공하세요 :)

작성한 질문수