인공지능23 Chapter 7. 합성곱 신경망(CNN) CNN은 이미지 인식과 음성인식 등 다양한 곳에서 사용되는데, 특히 [이미지 인식 분야]에서 딥러닝을 활용한 기법은 거의 다 CNN을 기초로 하고 있다. 일반적인 신경망은 위 그림처럼 Affine-ReLU가 여러층 겹쳐져 있고, 마지막에서 Affine-Softmax 층으로 끝난다. 반면, CNN은 다음과 같이 되어 있다. CNN은 Affine-ReLU 대신, Conv-ReLU-(Pooling) 층이 여러개 겹쳐 있고, 마지막 즈음에선 Affine-ReLu와 Affine-Softmax로 끝난다. 마지막 즈음은 일반 신경망과 동일하다. Affine, ReLU, Softmax 에 대해선 앞 장들에서 배웠기 때문에 새롭게 도입된 두 층, Conv와 Pooling에 대해서 알아보자. 2021. 7. 24. CNN -00: 왜 CNN인가? 어떤 층의 모든 뉴런을 다음 층의 모든 뉴런과 연결하고, 뉴런과 뉴런 사이의 가중치 W를 최적화한 신경망을 Fully Connected Network 이라 한다. 대부분 인공지능 입문서의 첫부분에 나오는 그림이 바로 그것이다. 그런데, 이런 구조로 인공지능을 구현해서 이미지를 처리하면 다음과 같은 문제점이 발생한다. 첫번째, 이미지가 갖는 정보를 잃어버린다. 이미지는 어떤 픽셀과 바로 옆 픽셀의 값이 급격히 변하지 않는다. 빨간꽃잎 옆의 색은 검은 색일 가능성 보다는 주황색이거나 적어도 노란색일 가능성이 높다. 이미지가 갖는 이런 고유한 특성을 이용하면 인공지능 계산 속도를 엄청나게 빠르게 할 수 있는데, FCN은 그렇지 못하다. 두번째, 하드웨어 사양문제가 발생한다. 1024X1024 칼러 이미지를 F.. 2021. 6. 20. 인공지능 공부할 때 나오는 용어 정리 * CNN : Convolution Neural Network. 합성곱신경망 * Pooling layer: * Affine layer: 인접한 layer의 모든 노드와 연결된 layer를 Affine layer라고 함. Affine layer를 Fully connected layer라고도 함. * Padding * Stride * Feature map: 특징맵. CNN layer의 입출력 데이타를 지칭함. 입력을 Input feature map, 출력을 Output feature map이라고 함. * 커널: CNN에서 Filter를 커널로 부르기도 함 * 윈도우: CNN에서 Filter의 크기 2021. 6. 14. 이전 1 2 3 다음
