up-sampling and down-sampling

down-sampling과 up-sampling은 딥러닝 모델에서 데이터의 크기와 해상도를 조절하여 더 나은 학습 결과를 얻기 위해 자주 사용하는 방법이다.

 

1. Down Sampling

데이터의 해상도 또는 크기를 줄이는 과정으로 주로 일부 데이터를 버리거나 압축한다. 

• 데이터 크기 감소
  : 큰 데이터를 작은 크기로 줄여 처리 속도를 높이고 메모리 사용량을 줄인다
• 특징 추출
  : 신경망에서는 다운 샘플링을 통해 중요한 특징 추출 및 불필요한 세부 정보를 줄일 수 있다
  CNN의 pooling 레이어가 이미지 해상도를 낮추며 중요한 특징을 유지하는 다운 샘플링 방법 중 하나

 

2. Up Sampling

데이터의 해상도 또는 크기를 늘리는 과정으로 주로 작은 데이터를 더 큰 해상도로 복원하거나 저해상도 데이터를 고해상도로 변환하기 위해 사용된다

• 해상도 증가
  : 해상도를 높임으로써 더 많은 세부 정보를 표현할 수 있다
• 복원 및 재구성
  : 신경망에서는 다운 샘플링된 데이터에서 원래 크기로 복원하거나, 더 큰 차원에서 재구성하기 위해 업 샘플링을 사용한다