VGG16 Architecture 구성 - 13 Convolution Layers + 3 Fully-connected Layers with ReLu (합성곱과 함께 활성함수 ReLu도 사용) - 3*3 convolution filters - stride: 1&padding:1 - 2*2 max pooling(stride:2) => 위의 표에서는 'M'이 MaxPooling임 - conv3: 3X3 필터 - conv1: 1X1 필터 - conv3-N: N은 필터의 개수. conv3-64라고 하면 64개의 3X3 필터를 학습 매개변수로 사용했다는 의미 ------------------------------------------------------------------여기까지가 Feature Extracto..

♣ Purpose - 과일 이미지 분류하기(Kaggle Fruits 360 dataset 사용): 아보카도, 바나나, 체리, 코코넛, 키위, 망고, 오렌지 - 입력 이미지에 필터 또는 특징 검출기를 적용하여 이미지의 가장 중요한 특징을 감지함으로써 과일을 분류함 - 이를 통해 활성화 함수를 사용하여 특징 맵 또는 활성화 맵을 생성함 - 특징 검출기나 필터는 에지, 수직선, 수평선, 구부러짐 등 이미지에 존재하는 다양한 특징을 식별하는 데 도움됨 ♣ Total process - Resizing: 100X100 사이즈로 만듦 - Augmentation(증강): resizing 이후 이미지 데이터 증강 기술이 사용되어 훈련 데이터셋을 확장하여 성능을 향상시키고 모델의 일반화 능력을 향상시킴 ※ - Convol..