편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
새 문서: == 개요 == 합성곱 신경망. convolutional neural network. 이미지 인식, 음성인식 등 다양한 곳에서 사용. 특히 이미지 인식 분야에서 강력하게 쓰...
== 개요 ==
합성곱 신경망. convolutional neural network.
이미지 인식, 음성인식 등 다양한 곳에서 사용. 특히 이미지 인식 분야에서 강력하게 쓰인다.
기본적인 신경망은 Affine계층으로 구현되는 완전연결이었다. affine계층 뒤에 활성화함수가 연결되었는데, CNN에선 활성화함수 앞에 convolutional layer, 뒤에 pooling layer가 붙는다.
일반적으로 은닉층에서 사용하고, 출력 부근에선 affine + 활성화함수 조합을 사용한다.
=== 개념 ===
완전계층 연결에서의 문제가 있다. 완전연결을 위해 데이터를 1차원 평면화 해주는데, 이때 데이터의 형상이 무너진다. 각 데이터의 거리, 색 조합 등의 정보가 중요할 수도 있는데, 완전연결에선 이를 그냥 한 줄로 세워버리기 때문이다.
때문에 이미지를 그대로 기입할 방법이 필요하게 되었고, 특징 맵이라는 개념으로 입력과 출력을 처리한다.
기본적으로 입력데이터에 필터를 씌워 연산하여 대략적인 형태정보를 뽑아낸다. 이 필터가 매개변수(가중치)에 해당하게 된다. 필터를 여러개 사용하여 다음 층으로 넘기는 것이 일반적이다.
=== 용어 ===
{| class="wikitable"
|+
!용어
!설명
|-
|패딩
|입력데이터의 겉을 특정 값으로 둘러싸 채운다.
주로 출력 크기를 조정하는 용으로 사용해 입력 데이터의 크기를 일정하게 유지하기 위해 쓰인다.
|-
|스트라이드
|필터는 행렬을 한 칸씩 이동하며 연산을 진행하는데, 스트라이드는 이 진행 크기를 의미한다. 스트라이드를 키우면 출력 크기가 작아진다.
|-
|차원
|이미지의 경우 가로세로에 더해 색 정보가 담겨 3차원 정보가 된다.
이때 차원마다 필터를 달리 적용하는 것이 일반적이다. 당연히 차원마다 입력데이터의 크기나 필터의 크기는 같아야 한다.
|}
[[분류:딥러닝 기법]]
합성곱 신경망. convolutional neural network.
이미지 인식, 음성인식 등 다양한 곳에서 사용. 특히 이미지 인식 분야에서 강력하게 쓰인다.
기본적인 신경망은 Affine계층으로 구현되는 완전연결이었다. affine계층 뒤에 활성화함수가 연결되었는데, CNN에선 활성화함수 앞에 convolutional layer, 뒤에 pooling layer가 붙는다.
일반적으로 은닉층에서 사용하고, 출력 부근에선 affine + 활성화함수 조합을 사용한다.
=== 개념 ===
완전계층 연결에서의 문제가 있다. 완전연결을 위해 데이터를 1차원 평면화 해주는데, 이때 데이터의 형상이 무너진다. 각 데이터의 거리, 색 조합 등의 정보가 중요할 수도 있는데, 완전연결에선 이를 그냥 한 줄로 세워버리기 때문이다.
때문에 이미지를 그대로 기입할 방법이 필요하게 되었고, 특징 맵이라는 개념으로 입력과 출력을 처리한다.
기본적으로 입력데이터에 필터를 씌워 연산하여 대략적인 형태정보를 뽑아낸다. 이 필터가 매개변수(가중치)에 해당하게 된다. 필터를 여러개 사용하여 다음 층으로 넘기는 것이 일반적이다.
=== 용어 ===
{| class="wikitable"
|+
!용어
!설명
|-
|패딩
|입력데이터의 겉을 특정 값으로 둘러싸 채운다.
주로 출력 크기를 조정하는 용으로 사용해 입력 데이터의 크기를 일정하게 유지하기 위해 쓰인다.
|-
|스트라이드
|필터는 행렬을 한 칸씩 이동하며 연산을 진행하는데, 스트라이드는 이 진행 크기를 의미한다. 스트라이드를 키우면 출력 크기가 작아진다.
|-
|차원
|이미지의 경우 가로세로에 더해 색 정보가 담겨 3차원 정보가 된다.
이때 차원마다 필터를 달리 적용하는 것이 일반적이다. 당연히 차원마다 입력데이터의 크기나 필터의 크기는 같아야 한다.
|}
[[분류:딥러닝 기법]]