컨볼루션 신경망(CNN) 소개
시작 시간 00:30
컨볼루션 신경망은 이미지 처리와 관련된 다양한 문제를 해결하는 데 유용한 구조로, 기본적으로 컨볼루션, 풀링, 프리커넥티드 레이어로 구성되어 있습니다.
CNN은 이미지 분류, 객체 탐지, 의료 이미지 분석 등 다양한 분야에서 활용되고 있습니다.
CNN은 로컬 커넥티비티와 파라메터 공유를 통해 효율적으로 학습할 수 있는 구조적 특징을 가지고 있습니다.
컨볼루션은 입력 데이터와 필터 간의 점곱을 통해 새로운 피처를 생성하는 수학적 연산입니다.
컨볼루션은 입력 이미지에 필터를 적용하여 피처 맵을 생성하며, 이를 통해 이미지의 특정 패턴을 인식할 수 있습니다.
풀링 레이어는 컨볼루션 후 피처 맵의 크기를 줄여 계산량을 감소시키고, 중요한 피처를 추출하는 데 도움을 줍니다.
맥스 풀링은 가장 큰 값을 선택하여 피처를 추출하고, 평균 풀링은 평균값을 사용하여 정보 손실을 최소화합니다.
컨볼루션과 풀링을 거친 후, 최종적으로 분류를 위해 프리커넥티드 레이어를 통해 결과를 도출합니다.
스트라이드는 필터가 이동하는 간격을 설정하고, 패딩은 이미지의 경계에 추가 픽셀을 더하여 크기 감소를 방지하는 역할을 합니다.
리셉티브 필드는 특정 노드가 인식하는 입력 이미지의 영역을 의미하며, 레이어가 깊어질수록 넓어지는 특징이 있습니다.
