• CNN의 구조와 Convolution 연산
• Filter의 중요성
• Convolution 연산을 계속해서 진행하면 깊은 layer를 쌓는데 문제점이 발생하는 데 이를 해결하는 방법(Padding)
• Channel이 3개일 때, Convolution 연산 방식
• Input의 channel 수, Feature map의 channel 수, Filter의 개수의 관계에 대해
• Convolution 연산을 할 때, Hyper-Parameter(kernel size, channel size, stride)에 대한 개념
• 1x1 Convolution의 특징과 사용했을 때의 장점
• Transposed Convolution에 대해, Convolution 연산과의 차이점
• Pooling의 역할과 장점에 대해서, Pooling 종류, Pooling 연산 과정
• Convolution 연산과 Pooling 연산이 합쳐진 CNN 구조와 CNN 구조의 특징