이미지 크기를 조정하는 패딩(Padding)

CNN에서 패딩(Padding)은 합성곱 연산을 수행할 때 입력 이미지의 가장자리에 추가적인 픽셀을 삽입하는 과정입니다.

패딩을 사용하면 합성곱 연산 후에도 이미지 크기를 유지하거나 조정할 수 있어, 네트워크의 깊이가 깊어지더라도 유용한 정보를 잃지 않도록 도와줍니다.

합성곱 연산을 수행하면 필터가 이동하면서 출력 크기가 점점 줄어듭니다.

특히 작은 이미지를 처리할 때는 연산을 거듭할수록 크기가 급격히 감소하여 중요한 정보가 사라질 위험이 있습니다.

이러한 문제를 방지하기 위해 패딩을 사용하면 다음과 같은 효과를 얻을 수 있습니다.

1. 원본 이미지 크기를 유지하여 깊은 네트워크에서도 정보를 보존할 수 있습니다.

2. 가장자리 픽셀도 합성곱 연산에 포함될 수 있도록 하여 특징을 더욱 잘 반영할 수 있습니다.

CNN에서는 일반적으로 가장자리에 0 값을 추가하는 세임 패딩(Same Padding) 방식을 사용합니다.

세임 페딩은 작은 이미지에서도 특징을 충분히 학습할 수 있도록 돕고, 모델의 깊이가 깊어져도 이미지 정보를 보존할 수 있습니다.

작은 이미지를 다룰 때는 세임 패딩을 사용하여 크기를 유지하는 것이 일반적이며, 넉넉한 크기의 이미지에서는 밸리드 패딩을 사용하여 연산량을 줄일 수도 있습니다.

다음 수업에서는 패딩과 함께 자주 활용되는 풀링에 대해 알아보겠습니다.