CNN(Convolutional Neural Networks)

1. CNN(Convolutional Neural Networks)이란?

• 이미지, 비디오, 텍스트 또는 사운드를 분류하는 딥러닝

• 이미지에서 객체, 얼굴, 장면을 인식하는 것에 유용

• 장점

  • 특징을 직접 학습하기 때문에 특징을 수동으로 추출해야 할 필요가 없음

  • 가장 높은 수준의 인식 결과

  • 기존 네트워크를 바탕으로 한 새로운 인식 작업을 위해 CNN을 재 학습하여 사용하는 것이 가능

2. Convolution 이란?

• 이미지에 특정 필터를 씌우기 위해서 계산되는 방법

• 원본 이미지 X, (i , j) 좌표, 필터 F

• 필터 종류에 따른 결과

3. CNN 구조

• CNN의 각 계층이 이미지의 서로 다른 특징을 감지

• 필터는 각 학습 이미지에 서로 다른 해상도로 적용하고, 출력은 다음 계층의 입력으로 활용

• 구조

• Convolution - 각 이미지에서 특정 특징을 활성화하는 Convolution 필터 집합에 입력 이미지를 통과

  • 하나의 채널에 대한 Convolution 계층 동작

• ReLu - 음수 값을 0에 매핑하고 양수 값은 유지하여 더 빠르고 효과적인 학습을 진행

• Pooling - 비선형 다운샘플링을 수행하고 네트워크에서 학습해야 하는 매개 변수 수를 줄여서 출력을 간소화

  • 주로 max-pooling을 사용, 밑에 그림처럼 국소 영역에서 가장 큰 값을 사용

출처

• CNN 관련 내용

  • https://kr.mathworks.com/solutions/deep-learning/convolutional-neural-network.html

  • https://untitledtblog.tistory.com/150