CNN : 합성곱 신경망(컨볼루션 신경망)

- Convolutional Neural Network : CNN 

컨볼루션 신경망 = 합성곱 신경망

 

- 이 신경망으로 인해 이미지 분류 능력이 상승됨, 텍스트나 음성 등 다양한 분야의 데이터 처리에 쓰이고 있음

 

# 특징 추출

- 이미지를 분류시키려면 그 이미지의 특징들을 찾아야 한다.

  ex) 사물의 외각선을 탐지를 통한(캐니엣지같은) 물체 감지 알고리즘, SIFT 알고리즘 (대응되는 특징 부분 찾음)

 

# 컨볼루션 연산

이미지의 픽셀 주변과 필터의 조합연산(합성곱)을 거친 결과. 이때, 픽셀이 움직이는 보폭을 stride라고 한다.

필터의 내용을 수작업으로 넣어주는 대신 딥러닝 학습을 통해 자동으로 필터를 생성할 것이다.

개발자는 필터사이즈만 제시.

 

# 컨볼루션 신경망의 구조

특징 추출기(Feature Extractor)			분류기(Classifier)
Input Image	Convolution	Pooling	Flatten	Dense Fully Connected	Output

- 특징추출기와 분류기가 합쳐진 구조

- Convolution과 Pooling 단계는 묶여서 여러번 사용된다

- Flatten 이후로 과적합 방지를 위한 Drop out층이 Dense층 사이에 배치될 수 있다.

 

# 중요한 레이어

컨볼루션 레이어 : 특징 추출

풀링 레이어 : 중요한 정보만 남기고 계산 부담을 줄임

드롭아웃 레이어 : 과적합 방지