Fully Connected Layers

 

목차

  “Fully Connected Layer” 이란?

  “Fully Connected Layer” 구조

  “Fully Connected Layer” 장단점

  "Fully Connected Layer” 코드

  “Fully Connected Layer”에 대한 결론

  참고

 

 

“Fully Connected Layer” 이란?

Fully Connected Layer(=Dense layer)은 한 층(layer)의 모든 뉴런이 다음 층(layer)의 모든 뉴런과 연결된 상태의 층(layer)에서 1차원 배열의 형태로 이미지를 정의된 라벨로 분류하는 계층을 말합니다.

---

“Fully Connected Layer” 구조

아래 3개의 과정을 Fully Connected Layer의 구조입니다.

1. 2차원 배열 형태의 이미지를 1차원 배열로 평탄화합니다.
2. 활성화 함수를 활성화합니다.
3. softmax 함수로 이미즈를 분류합니다.

---

“Fully Connected Layer” 장단점

단점

• 흑백 이미지를 1차원 행렬로 변환하는데 아무 문제가 없지만 컬러이미지를 1차원으로 평탄화 작업을 하게되면 공간 정보가 손실되어 이미지를 분류하는데 한계가 생깁니다.

---

“Fully Connected Layer” 코드

from keras.models import Sequential

model = Sequential()
model.add(layers.Flatten(input_shape = (28, 28))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))

---

“Fully Connected Layer”에 대한 결론

CNN 구조를 이해하기 위한 밑거름으로 쉽게 layer가 어떻게 구성되어 있는지 알 수 있습니다.

---

참고

• https://dsbook.tistory.com/59