이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
maxPooling2dLayer
최댓값 풀링 계층
설명
2차원 최댓값 풀링 계층은 입력값을 직사각형 풀링 영역으로 나누어 다운샘플링을 수행한 다음 각 영역의 최댓값 계산을 수행합니다.
생성
설명
는 최댓값 풀링 계층을 만들고 layer
= maxPooling2dLayer(poolSize
)PoolSize
속성을 설정합니다.
는 이름-값 쌍을 사용하여 선택 사항인 layer
= maxPooling2dLayer(poolSize
,Name,Value
)Stride
, Name
, HasUnpoolingOutputs
속성을 설정합니다. 입력값 채우기를 지정하려면 'Padding'
이름-값 쌍 인수를 사용하십시오. 예를 들어, maxPooling2dLayer(2,'Stride',3)
은 풀 크기가 [2 2]
이고 스트라이드가 [3 3]
인 최댓값 풀링 계층을 만듭니다. 여러 개의 이름-값 쌍을 지정할 수 있습니다. 각 속성 이름을 작은따옴표로 묶습니다.
입력 인수
쉼표로 구분된 이름-값 쌍 인수를 사용하여 계층 입력값의 가장자리에 더할 채우기의 크기를 지정하고 Stride
, Name
, HasUnpoolingOutputs
속성을 설정합니다. 이름을 작은따옴표로 묶습니다.
예: maxPooling2dLayer(2,'Stride',3)
은 풀 크기가 [2 2]
이고 스트라이드가 [3 3]
인 최댓값 풀링 계층을 만듭니다.
Padding
— 입력값 가장자리 채우기
[0 0 0 0]
(디폴트 값) | 음이 아닌 정수로 구성된 벡터 | 'same'
입력값 가장자리 채우기로, 'Padding'
과 함께 다음 값 중 하나가 쉼표로 구분되어 지정됩니다.
'same'
— 스트라이드가 1인 경우 출력 크기가 입력 크기와 같아지도록 훈련 또는 예측 시점에 계산한 크기의 채우기가 적용됩니다. 스트라이드가 1보다 큰 경우, 출력 크기는ceil(inputSize/stride)
가 됩니다. 여기서inputSize
는 입력값의 높이 또는 너비이고stride
는 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 크기가p
인 채우기를 더합니다.음이 아닌 정수로 구성된 벡터
[a b]
— 입력값의 위와 아래에 크기가a
인 채우기를 더하고 왼쪽과 오른쪽에 크기가b
인 채우기를 더합니다.음이 아닌 정수로 구성된 벡터
[t b l r]
— 입력값의 위에 크기가t
인 채우기를, 아래에 크기가b
인 채우기를, 왼쪽에 크기가l
인 채우기를, 오른쪽에 크기가r
인 채우기를 더합니다.
예: 'Padding',1
은 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.
속성
최댓값 풀링
PoolSize
— 풀링 영역의 차원
2개의 양의 정수로 구성된 벡터
풀링 영역의 차원으로, 2개의 양의 정수로 구성된 벡터 [h w]
로 지정됩니다. 여기서 h
는 높이이고 w
는 너비입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 PoolSize
를 스칼라로 지정하면 됩니다.
스트라이드 차원 Stride
가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.
채우기 차원 PaddingSize
는 풀링 영역 차원 PoolSize
보다 작아야 합니다.
예: [2 1]
은 높이가 2이고 너비가 1인 풀링 영역을 지정합니다.
Stride
— 입력값 순회 스텝 크기
[1 1]
(디폴트 값) | 2개의 양의 정수로 구성된 벡터
입력값을 세로와 가로 방향으로 순회하는 스텝 크기로, 2개의 양의 정수로 구성된 벡터 [a b]
로 지정됩니다. 여기서 a
는 세로 스텝 크기이고 b
는 가로 스텝 크기입니다. 계층을 만들 때 두 차원에 모두 같은 값을 사용하려면 Stride
를 스칼라로 지정하면 됩니다.
스트라이드 차원 Stride
가 각 풀링 차원보다 작은 경우, 풀링 영역이 중첩됩니다.
채우기 차원 PaddingSize
는 풀링 영역 차원 PoolSize
보다 작아야 합니다.
예: [2 3]
은 세로 스텝 크기를 2로, 가로 스텝 크기를 3으로 지정합니다.
PaddingSize
— 채우기 크기
[0 0 0 0]
(디폴트 값) | 4개의 음이 아닌 정수로 구성된 벡터
입력값 테두리에 적용할 채우기 크기로, 4개의 음이 아닌 정수로 구성된 벡터 [t b l r]
로 지정됩니다. 여기서 t
는 위에 적용할 채우기이고 b
는 아래에 적용할 채우기이고 l
은 왼쪽에 적용할 채우기이고 r
은 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.
PaddingMode
— 채우기 크기를 결정하는 방법
'manual'
(디폴트 값) | 'same'
채우기 크기를 결정하는 방법으로, 'manual'
또는 'same'
으로 지정됩니다.
계층을 만들 때 사용자가 지정한 'Padding'
값을 기준으로 자동으로 PaddingMode
의 값이 설정됩니다.
'Padding'
옵션을 스칼라 또는 음이 아닌 정수로 구성된 벡터로 설정한 경우, 자동으로PaddingMode
가'manual'
로 설정됩니다.'Padding'
옵션을'same'
으로 설정한 경우, 자동으로PaddingMode
가'same'
으로 설정되고, 스트라이드가 1인 경우 출력 크기가 입력 크기와 같아지도록 채우기 크기가 훈련 시점에 계산됩니다. 스트라이드가 1보다 큰 경우, 출력 크기는ceil(inputSize/stride)
가 됩니다. 여기서inputSize
는 입력값의 높이 또는 너비이고stride
는 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.
Padding
— 채우기 크기
[0 0]
(디폴트 값) | 2개의 음이 아닌 정수로 구성된 벡터
참고
Padding
속성은 향후 릴리스에서 제거될 예정입니다. PaddingSize
를 대신 사용하십시오. 계층을 만들 때 'Padding'
이름-값 쌍 인수를 사용하여 채우기 크기를 지정합니다.
입력값 테두리에 세로와 가로 방향으로 적용할 채우기 크기로, 2개의 음이 아닌 정수로 구성된 벡터 [a b]
로 지정됩니다. 여기서 a
는 입력 데이터의 위와 아래에 적용할 채우기이고 b
는 왼쪽과 오른쪽에 적용할 채우기입니다.
예: [1 1]
은 입력값의 위와 아래에 채우기 한 행을 더하고, 왼쪽과 오른쪽에 채우기 한 열을 더합니다.
HasUnpoolingOutputs
— 언풀링 계층으로의 출력값 플래그
false
(디폴트 값) | true
언풀링 계층으로의 출력값 플래그로, true
또는 false
로 지정됩니다.
HasUnpoolingOutputs
값이 false
인 경우, 최댓값 풀링 계층은 이름이 'out'
인 출력값 1개를 갖습니다.
최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs
값을 true
로 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 maxUnpooling2dLayer
를 참조하십시오.
계층
Name
— 계층 이름
''
(디폴트 값) | 문자형 벡터 | string형 스칼라
계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer
배열 입력값에 대해 trainNetwork
, assembleNetwork
, layerGraph
, dlnetwork
함수는 ''
로 설정된 Name
으로 계층에 이름을 자동 할당합니다.
데이터형: char
| string
NumInputs
— 입력값의 개수
1
(디폴트 값)
이 속성은 읽기 전용입니다.
계층의 입력값 개수. 이 계층은 단일 입력값만 받습니다.
데이터형: double
InputNames
— 입력값 이름
{'in'}
(디폴트 값)
이 속성은 읽기 전용입니다.
계층의 입력값 이름. 이 계층은 단일 입력값만 받습니다.
데이터형: cell
NumOutputs
— 출력값 개수
1 (디폴트 값) | 3
계층의 출력값 개수.
HasUnpoolingOutputs
값이 false
인 경우, 최댓값 풀링 계층은 이름이 'out'
인 출력값 1개를 갖습니다.
최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs
값을 true
로 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 maxUnpooling2dLayer
를 참조하십시오.
데이터형: double
OutputNames
— 출력값 이름
{'out'}
(디폴트 값) | {'out','indices','size'}
계층의 출력값 이름.
HasUnpoolingOutputs
값이 false
인 경우, 최댓값 풀링 계층은 이름이 'out'
인 출력값 1개를 갖습니다.
최댓값 풀링 계층의 출력값을 최댓값 언풀링 계층의 입력값으로 사용하려면 HasUnpoolingOutputs
값을 true
로 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 maxUnpooling2dLayer
를 참조하십시오.
데이터형: cell
예제
비중첩 풀링 영역을 갖는 최댓값 풀링 계층 만들기
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 classificationLayer]
layers = 7x1 Layer array with layers: 1 '' Image Input 28x28x1 images with 'zerocenter' normalization 2 '' Convolution 20 5x5 convolutions with stride [1 1] and padding [0 0 0 0] 3 '' ReLU ReLU 4 '' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0 0 0] 5 '' Fully Connected 10 fully connected layer 6 '' Softmax softmax 7 '' Classification Output crossentropyex
중첩되는 풀링 영역을 갖는 최댓값 풀링 계층 만들기
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 Stride
에 각각의 풀링 차원 PoolSize
보다 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 classificationLayer]
layers = 7x1 Layer array with layers: 1 '' Image Input 28x28x1 images with 'zerocenter' normalization 2 '' Convolution 20 5x5 convolutions with stride [1 1] and padding [0 0 0 0] 3 '' ReLU ReLU 4 '' Max Pooling 3x2 max pooling with stride [2 2] and padding [0 0 0 0] 5 '' Fully Connected 10 fully connected layer 6 '' Softmax softmax 7 '' Classification Output crossentropyex
세부 정보
최댓값 풀링 계층
2차원 최댓값 풀링 계층은 입력값을 직사각형 풀링 영역으로 나누어 다운샘플링을 수행한 다음 각 영역의 최댓값 계산을 수행합니다.
풀링 계층은 다운샘플링을 위해 컨벌루션 계층 뒤에 오므로, 뒤에 오는 계층으로의 연결 개수가 줄어듭니다. 풀링 계층은 스스로 학습을 수행하지는 않으나 뒤에 오는 계층에서 학습할 파라미터의 개수를 줄여줍니다. 과적합을 방지하는 데도 도움이 됩니다.
최댓값 풀링 계층은 입력값의 직사각형 영역의 최댓값을 반환합니다. 직사각형 영역의 크기는 maxPoolingLayer
의 poolSize
인수에 의해 결정됩니다. 예를 들어, poolSize
가 [2,3]
이면 이 계층은 높이가 2이고 너비가 3인 영역의 최댓값을 반환합니다.
풀링 계층은 입력값을 가로와 세로 방향으로 스텝 크기만큼 스캔합니다. 스텝 크기는 'Stride'
이름-값 쌍 인수를 사용하여 지정할 수 있습니다. 풀 크기가 스트라이드보다 작거나 같은 경우, 풀링 영역은 중첩되지 않습니다.
비중첩 영역(Pool Size와 Stride가 같음)에서, 풀링 계층의 입력값이 n×n이고 풀링 영역 크기가 h×h인 경우, 풀링 계층은 h만큼 영역을 다운샘플링합니다[1]. 즉, 컨벌루션 계층의 채널 1개에 대한 최댓값 풀링 계층 또는 평균값 풀링 계층의 출력값은 n/h×n/h이 됩니다. 중첩되는 영역에서, 풀링 계층의 출력값은 (Input Size – Pool Size + 2*Padding)/Stride + 1이 됩니다.
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
C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.
GPU 코드 생성
GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.
버전 내역
MATLAB 명령
다음 MATLAB 명령에 해당하는 링크를 클릭했습니다.
명령을 실행하려면 MATLAB 명령 창에 입력하십시오. 웹 브라우저는 MATLAB 명령을 지원하지 않습니다.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)