6.3.2 합성곱 & 역합성곱 네트워크
완전 합성곱 네트워크는 위치 정보가 보존된다는 장점에도 다음과 같은 단점이 있습니다.
• 여러 단계의 합성곱층과 풀링층을 거치면서 해상도가 낮아집니다.
• 낮아진 해상도를 복원하기 위해 업 샘플링10 방식을 사용하기 때문에 이미지의 세부 정보들을 잃어버리는 문제가 발생합니다.
이러한 문제를 해결하기 위해 역합성곱 네트워크를 도입한 것이 합성곱 & 역합성곱 네트워크(convolutional & deconvolutional network)입니다.
역합성곱은 CNN의 최종 출력 결과를 원래의 입력 이미지와 같은 크기를 만들고 싶을 때 사용합니다. 시멘틱 분할(semantic segmentation)11 등에 활용할 수 있으며, 역합성곱은 업 샘플링(upsampling) 등으로도 부릅니다.
▲ 그림 6-37 합성곱 & 역합성곱 네트워크
10 최종 이미지의 크기가 입력 이미지의 크기와 같도록 하는 것입니다.
11 이미지 내에 있는 물체들을 의미 있는 단위로 분할하는 것입니다.