• 초기 단계: 이 단계는 이미지의 가장 기본적인 특징을 감지합니다. 여기에는 주로 간단한 패턴, 가장자리, 색상 변화 등이 포함됩니다. 이 초기 층은 이미지의 원시 픽셀 데이터에서 직접 정보를 추출하기 때문에 비교적 단순한 특징에 집중합니다.

• 중간 단계: 수축 경로를 따라 내려가면서 네트워크는 점점 더 복잡한 특징을 학습합니다. 이 단계에서는 텍스처, 패턴의 조합, 그리고 이미지의 일부 형태나 구조 같은 좀 더 복잡한 요소들이 감지됩니다. 이러한 중간 스테이지는 이미지의 고유한 특성을 더 잘 이해하고 구별하는 데 도움을 줍니다.

• 깊은 단계: 네트워크의 더 깊은 부분에서는 이미지의 고수준 특징이 처리됩니다. 여기에는 객체의 큰 형태나 전체적인 구조 같은 더 복잡하고 추상적인 정보가 포함됩니다. 이 스테이지에서는 이미지의 전체적인 맥락과 배경에 대한 이해가 중요하며, 이는 특히 복잡한 의료 영상 분석에 있어서 매우 중요합니다.