일정한 구간의 필터(커널)을 설정한 뒤 가중치를 설정한 후, 실제 픽셀을 가중치*픽셀의 합을 구간마다 구해주는 것
이때 필터(커널)의 가중치는 나중에 모델을 훈련할 때 경사하강법을 이용하여 구함.
픽셀을 데이터 하나씩만 보는것이 아닌 관련된 주변 데이터까지 볼 수 있다는 점이 강점임.
뉴런(Neuron) = 필터(Filter) = 커널(Kernel)
일정 크기의 가중치를 가지고 있으며, 합성곱 신경망의 **새로운 입력데이터(특성 맵)**를 만들기 위해 생겨남
필터를 여러 개를 만들어서 특성 맵을 여러 개 만들 수도 있음.
입력이 3차원인 컬러 이미지는 필터의 크기도 3차원으로 만들어 2차원으로 축소시킬 수 있음.
가중치는 모델을 훈련할 때 설정됨.
입력 데이터에서 합성곱 연산을 통해 얻은 새로운 데이터
입력 데이터의 주위를 특정 값으로 채우는 것
주로 합성곱을 할 때 중간에 있는 입력 데이터에 치중되지 않도록 하기 위해 사용 함.
세임 패딩(Same Padding) : 주위의 값을 0으로 채우는 것
밸리드 패딩(Valid Padding) : 패딩을 사용하지 않는 것