maxPooling2dLayer

최댓값 풀링 계층

페이지 내 모두 확장

설명

2차원 최댓값 풀링 계층은 입력값을 직사각형 풀링 영역으로 나누어 다운샘플링을 수행한 다음 각 영역의 최댓값 계산을 수행합니다.

생성

구문

layer = maxPooling2dLayer(poolSize)
layer = maxPooling2dLayer(poolSize,Name=Value)

설명

layer = maxPooling2dLayer(poolSize)는 최댓값 풀링 계층을 만들고 PoolSize 속성을 설정합니다.

layer = maxPooling2dLayer(poolSize,Name=Value)는 하나 이상의 이름-값 인수를 사용하여 선택적 속성을 설정합니다.

예제

입력 인수

모두 확장

풀링 영역의 차원으로, 2개의 양의 정수로 구성된 벡터 [h w]로 지정됩니다. 여기서 h는 높이이고 w는 너비입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 poolSize를 스칼라로 지정하면 됩니다.

스트라이드 차원 Stride가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.

채우기 차원 PaddingSize는 풀링 영역 차원 poolSize보다 작아야 합니다.

예: [2 1]은 높이가 2이고 너비가 1인 풀링 영역을 지정합니다.

이름-값 인수

모두 확장

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name을 따옴표로 묶으십시오.

예: maxPooling2dLayer(2,Stride=3)은 풀 크기가 [2 2]이고 스트라이드가 [3 3]인 최댓값 풀링 계층을 만듭니다.

입력값을 세로와 가로 방향으로 순회하는 스텝 크기로, 2개의 양의 정수로 구성된 벡터 [a b]로 지정됩니다. 여기서 a는 세로 스텝 크기이고 b는 가로 스텝 크기입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 Stride를 스칼라로 지정하면 됩니다.

스트라이드 차원 Stride가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.

채우기 차원 PaddingSize는 풀링 영역 차원 PoolSize보다 작아야 합니다.

예: [2 3]은 세로 스텝 크기를 2로, 가로 스텝 크기를 3으로 지정합니다.

입력값 가장자리 채우기로, 다음 값 중 하나로 지정됩니다.

  • "same" — 스트라이드가 1인 경우 출력 크기가 입력 크기와 같아지도록 훈련 또는 예측 시점에 계산한 크기의 채우기가 적용됩니다. 스트라이드가 1보다 큰 경우, 출력 크기는 ceil(inputSize/stride)가 됩니다. 여기서 inputSize는 입력값의 높이 또는 너비이고 stride는 대응되는 차원의 스트라이드입니다. 가능한 경우 상하좌우에 동일한 양의 채우기가 적용됩니다. 세로 방향으로 더해야 하는 채우기가 홀수 값을 갖는 경우, 아래에 추가로 채우기가 적용됩니다. 가로 방향으로 더해야 하는 채우기가 홀수 값을 갖는 경우, 오른쪽에 추가로 채우기가 적용됩니다.

  • 음이 아닌 정수 p — 입력값의 모든 가장자리에 크기가 p인 채우기를 더합니다.

  • 음이 아닌 정수로 구성된 벡터 [a b] — 입력값의 위와 아래에 크기가 a인 채우기를 더하고 왼쪽과 오른쪽에 크기가 b인 채우기를 더합니다.

  • 음이 아닌 정수로 구성된 벡터 [t b l r] — 입력값의 위에 크기가 t인 채우기를, 아래에 크기가 b인 채우기를, 왼쪽에 크기가 l인 채우기를, 오른쪽에 크기가 r인 채우기를 더합니다.

예: Padding=1은 입력값의 위와 아래에 채우기 한 행을 더하고, 왼쪽과 오른쪽에 채우기 한 열을 더합니다.

예: Padding="same"은 (스트라이드가 1인 경우) 출력 크기가 입력 크기와 같아지도록 채우기를 더합니다.

언풀링 계층으로의 출력값 플래그로, true 또는 false로 지정됩니다.

HasUnpoolingOutputs 값이 false인 경우, 최댓값 풀링 계층은 이름이 'out'인 출력값 1개를 갖습니다.

최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs 값을 true로 설정하십시오. 이렇게 하면 최댓값 풀링 계층은 최댓값 언풀링 계층으로 연결할 수 있는 2개의 추가적인 출력값을 갖게 됩니다.

  • "indices" — 풀링된 각 영역의 최댓값 인덱스.

  • "size" — 입력 특징 맵의 크기.

최댓값 언풀링 계층으로의 출력값을 사용하기 위해서는 최댓값 풀링 계층의 풀링 영역이 중첩되지 않아야 합니다.

최댓값 풀링 계층의 출력값을 언풀링하는 방법에 대한 자세한 내용은 maxUnpooling2dLayer를 참조하십시오.

계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer 배열 입력값에 대해 trainnet 및 dlnetwork 함수는 이름이 ""인 계층에 자동으로 이름을 할당합니다.

이 인수는 Name 속성을 설정합니다.

데이터형: char | string

속성

모두 확장

최댓값 풀링

풀링 영역의 차원으로, 2개의 양의 정수로 구성된 벡터 [h w]로 지정됩니다. 여기서 h는 높이이고 w는 너비입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 PoolSize를 스칼라로 지정하면 됩니다.

스트라이드 차원 Stride가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.

채우기 차원 PaddingSize는 풀링 영역 차원 PoolSize보다 작아야 합니다.

예: [2 1]은 높이가 2이고 너비가 1인 풀링 영역을 지정합니다.

입력값을 세로와 가로 방향으로 순회하는 스텝 크기로, 2개의 양의 정수로 구성된 벡터 [a b]로 지정됩니다. 여기서 a는 세로 스텝 크기이고 b는 가로 스텝 크기입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 Stride를 스칼라로 지정하면 됩니다.

스트라이드 차원 Stride가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.

채우기 차원 PaddingSize는 풀링 영역 차원 PoolSize보다 작아야 합니다.

예: [2 3]은 세로 스텝 크기를 2로, 가로 스텝 크기를 3으로 지정합니다.

입력값 테두리에 적용할 채우기 크기로, 4개의 음이 아닌 정수로 구성된 벡터 [t b l r]로 지정됩니다. 여기서 t는 위에 적용할 채우기이고 b는 아래에 적용할 채우기이고 l은 왼쪽에 적용할 채우기이고 r은 오른쪽에 적용할 채우기입니다.

계층을 만들 때 'Padding' 이름-값 쌍 인수를 사용하여 채우기 크기를 지정합니다.

예: [1 1 2 2]는 입력값의 위와 아래에 채우기 한 행을 더하고, 왼쪽과 오른쪽에 채우기 두 열을 더합니다.

채우기 크기를 결정하는 방법으로, "manual" 또는 "same"으로 지정됩니다.

계층을 만들 때 사용자가 지정한 Padding 값을 기준으로 자동으로 PaddingMode의 값이 설정됩니다.

  • Padding 옵션을 스칼라 또는 음이 아닌 정수로 구성된 벡터로 설정한 경우, 자동으로 PaddingMode가 "manual"로 설정됩니다.

  • Padding 옵션을 "same"으로 설정한 경우, 자동으로 PaddingMode가 'same'으로 설정되고, 스트라이드가 1인 경우 출력 크기가 입력 크기와 같아지도록 채우기 크기가 훈련 시점에 계산됩니다. 스트라이드가 1보다 큰 경우, 출력 크기는 ceil(inputSize/stride)가 됩니다. 여기서 inputSize는 입력값의 높이 또는 너비이고 stride는 대응되는 차원의 스트라이드입니다. 가능한 경우 상하좌우에 동일한 양의 채우기가 적용됩니다. 세로 방향으로 더해야 하는 채우기가 홀수 값을 갖는 경우, 아래에 추가로 채우기가 적용됩니다. 가로 방향으로 더해야 하는 채우기가 홀수 값을 갖는 경우, 오른쪽에 추가로 채우기가 적용됩니다.

참고

Padding 속성은 향후 릴리스에서 제거될 예정입니다. PaddingSize를 대신 사용하십시오. 계층을 만들 때 Padding 이름-값 인수를 사용하여 채우기 크기를 지정합니다.

입력값 테두리에 세로와 가로 방향으로 적용할 채우기 크기로, 2개의 음이 아닌 정수로 구성된 벡터 [a b]로 지정됩니다. 여기서 a는 입력 데이터의 위와 아래에 적용할 채우기이고 b는 왼쪽과 오른쪽에 적용할 채우기입니다.

예: [1 1]은 입력값의 위와 아래에 채우기 한 행을 더하고, 왼쪽과 오른쪽에 채우기 한 열을 더합니다.

언풀링 계층으로의 출력값 플래그로, true 또는 false로 지정됩니다.

HasUnpoolingOutputs 값이 false인 경우, 최댓값 풀링 계층은 이름이 'out'인 출력값 1개를 갖습니다.

최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs 값을 true로 설정하십시오. 이렇게 하면 최댓값 풀링 계층은 최댓값 언풀링 계층으로 연결할 수 있는 2개의 추가적인 출력값을 갖게 됩니다.

  • "indices" — 풀링된 각 영역의 최댓값 인덱스.

  • "size" — 입력 특징 맵의 크기.

최댓값 언풀링 계층으로의 출력값을 사용하기 위해서는 최댓값 풀링 계층의 풀링 영역이 중첩되지 않아야 합니다.

최댓값 풀링 계층의 출력값을 언풀링하는 방법에 대한 자세한 내용은 maxUnpooling2dLayer를 참조하십시오.

계층

계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer 배열 입력값에 대해 trainnet 및 dlnetwork 함수는 이름이 지정되지 않은 계층에 자동으로 이름을 할당합니다.

MaxPooling2DLayer 객체는 이 속성을 문자형 벡터로 저장합니다.

데이터형: char | string

읽기 전용 속성입니다.

계층에 대한 입력값의 개수로, 1로 저장됩니다. 이 계층은 단일 입력값만 받습니다.

데이터형: double

읽기 전용 속성입니다.

입력값 이름으로, {'in'}으로 저장됩니다. 이 계층은 단일 입력값만 받습니다.

데이터형: cell

계층의 출력값 개수.

HasUnpoolingOutputs 값이 false인 경우, 최댓값 풀링 계층은 이름이 'out'인 출력값 1개를 갖습니다.

최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs 값을 true로 설정하십시오. 이렇게 하면 최댓값 풀링 계층은 최댓값 언풀링 계층으로 연결할 수 있는 2개의 추가적인 출력값을 갖게 됩니다.

  • "indices" — 풀링된 각 영역의 최댓값 인덱스.

  • "size" — 입력 특징 맵의 크기.

최댓값 언풀링 계층으로의 출력값을 사용하기 위해서는 최댓값 풀링 계층의 풀링 영역이 중첩되지 않아야 합니다.

최댓값 풀링 계층의 출력값을 언풀링하는 방법에 대한 자세한 내용은 maxUnpooling2dLayer를 참조하십시오.

데이터형: double

계층의 출력값 이름.

HasUnpoolingOutputs 값이 false인 경우, 최댓값 풀링 계층은 이름이 'out'인 출력값 1개를 갖습니다.

최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs 값을 true로 설정하십시오. 이렇게 하면 최댓값 풀링 계층은 최댓값 언풀링 계층으로 연결할 수 있는 2개의 추가적인 출력값을 갖게 됩니다.

  • "indices" — 풀링된 각 영역의 최댓값 인덱스.

  • "size" — 입력 특징 맵의 크기.

최댓값 언풀링 계층으로의 출력값을 사용하기 위해서는 최댓값 풀링 계층의 풀링 영역이 중첩되지 않아야 합니다.

최댓값 풀링 계층의 출력값을 언풀링하는 방법에 대한 자세한 내용은 maxUnpooling2dLayer를 참조하십시오.

데이터형: cell

예제

모두 축소

라이브 스크립트 열기

비중첩 풀링 영역을 갖는 최댓값 풀링 계층을 만듭니다.

layer = maxPooling2dLayer(2,'Stride',2)
layer = 
  MaxPooling2DLayer with properties:

                   Name: ''
    HasUnpoolingOutputs: 0
             NumOutputs: 1
            OutputNames: {'out'}

   Hyperparameters
               PoolSize: [2 2]
                 Stride: [2 2]
            PaddingMode: 'manual'
            PaddingSize: [0 0 0 0]

직사각형 영역의 높이와 너비(풀 크기)는 모두 2입니다. 영상을 세로와 가로 방향으로 순회하는 스텝 크기(스트라이드)도 [2 2]이므로 풀링 영역이 중첩되지 않습니다.

Layer 배열에 비중첩 영역을 갖는 최댓값 풀링 계층을 포함시킵니다.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer]
layers = 
  6×1 Layer array with layers:

     1   ''   Image Input       28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution   20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU              ReLU
     4   ''   2-D Max Pooling   2×2 max pooling with stride [2  2] and padding [0  0  0  0]
     5   ''   Fully Connected   10 fully connected layer
     6   ''   Softmax           softmax
라이브 스크립트 열기

중첩되는 풀링 영역을 갖는 최댓값 풀링 계층을 만듭니다.

layer = maxPooling2dLayer([3 2],Stride=2)
layer = 
  MaxPooling2DLayer with properties:

                   Name: ''
    HasUnpoolingOutputs: 0
             NumOutputs: 1
            OutputNames: {'out'}

   Hyperparameters
               PoolSize: [3 2]
                 Stride: [2 2]
            PaddingMode: 'manual'
            PaddingSize: [0 0 0 0]

이 계층은 크기가 [3 2]인 풀링 영역을 만들고 각 영역에 있는 요소 6개의 최댓값을 구합니다. 스트라이드 차원 Stride에 각각의 풀링 차원 PoolSize보다 작은 차원이 있으므로 풀링 영역이 중첩됩니다.

Layer 배열에 중첩되는 풀링 영역을 갖는 최댓값 풀링 계층을 포함시킵니다.

layers = [ ...
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    maxPooling2dLayer([3 2],Stride=2)
    fullyConnectedLayer(10)
    softmaxLayer]
layers = 
  6×1 Layer array with layers:

     1   ''   Image Input       28×28×1 images with 'zerocenter' normalization
     2   ''   2-D Convolution   20 5×5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU              ReLU
     4   ''   2-D Max Pooling   3×2 max pooling with stride [2  2] and padding [0  0  0  0]
     5   ''   Fully Connected   10 fully connected layer
     6   ''   Softmax           softmax

알고리즘

모두 확장

참고 문헌

[1] Nagi, J., F. Ducatelle, G. A. Di Caro, D. Ciresan, U. Meier, A. Giusti, F. Nagi, J. Schmidhuber, L. M. Gambardella. ''Max-Pooling Convolutional Neural Networks for Vision-based Hand Gesture Recognition''. IEEE International Conference on Signal and Image Processing Applications (ICSIPA2011), 2011.

확장 기능

모두 확장

버전 내역

R2016a에 개발됨

모두 확장

참고 항목

| | | | |

도움말 항목