1. 가중치 시각화

kernel, 필터

• 학습 전 필터는 무작위로 초기화되고 있어 흑백의 정도에 규칙성이 없음
• 학습을 마친 필터는 흰색에서 검은색으로 점차 변화하는 필터와 덩이리(블롭)가 진 필터 등, 규칙을 띄는 필터로 바뀜

학습 전

학습 후

• 합성곱 레이어는 여러 개의 필터를 사용해 이미지의 특징을 학습
• 필터에는 커널이라는 가중치가 존재하며, 가중치는 이미지의 2차원 영역에 적용되어 어떤 특징을 두드러지게 하는 역할
• 어떠한 특징이 있는 곳에서는 가중치가 활성화되고 특징이 없다면 활성화 되지 않음

2. 특성맵 시각화

• 합성곱 층에서 입력데이터에 필터를 적용하여 필터와 유사한 이미지의 영역을 강조하는 특성맵(feature map)을 출력하여 다음 층(layer)으로 전달

• 합성곱 층이 많이 쌓일 수록 특성맵은 시각적으로 이해하기 어려움
• 합성곱 신경만의 앞부분의 합성곱 층은 시각적인 정보를 감지하고 뒤쪽 합성곱 층은 앞쪽에서 감지한 시각적인 정보를 기반으로 추상적인 정보를 학습