6.3.1 완전 합성곱 네트워크
완전연결층의 한계는 고정된 크기의 입력만 받아들이며, 완전연결층을 거친 후에는 위치 정보가 사라진다는 것입니다. 이러한 문제를 해결하기 위해 완전연결층을 1×1 합성곱으로 대체하는 것이 완전 합성곱 네트워크입니다. 즉, 완전 합성곱 네트워크(Fully Convolutional Network, FCN)는 이미지 분류에서 우수한 성능을 보인 CNN 기반 모델(AlexNet, VGG16, GoogLeNet)을 변형시켜 이미지 분할에 적합하도록 만든 네트워크입니다.
예를 들어 다음 그림과 같이 AlexNet의 하단에서 사용되었던 완전연결층 세 개를 1×1 합성곱으로 변환하면 위치 정보가 남아 있기 때문에 히트 맵(heatmap)9 그림과 같이 고양이의 위치를 확인할 수 있습니다.
▲ 그림 6-36 완전 합성곱 네트워크
또한, 합성곱층으로 사용되기 때문에 입력 이미지에 대한 크기 제약이 사라지는 장점이 있습니다.
9 히트 맵은 열을 뜻하는 히트와 지도를 뜻하는 맵을 결합한 용어로, 색상으로 표현할 수 있는 다양한 정보를 이미지 위에 열 분포 형태의 그래픽으로 출력하는 것입니다.