바뀜

둘러보기로 가기 검색하러 가기
812 바이트 추가됨 ,  2021년 9월 16일 (목) 21:07
편집 요약 없음
1번째 줄: 1번째 줄:  
== 개요 ==
 
== 개요 ==
 
합성곱 신경망. convolutional neural network.
 
합성곱 신경망. convolutional neural network.
 +
 +
일반적인 MLP는 이미지 처리에서 사용해선 안된다. MLP에서 이미지를 받으면 노드의 수가 어마어마해지고, 1차원 배열을 다루기 때문에 이미지가 조금만 바뀌어도 완전히 달리 반응하게 된다.
    
이미지 인식, 음성인식 등 다양한 곳에서 사용. 특히 이미지 인식 분야에서 강력하게 쓰인다.
 
이미지 인식, 음성인식 등 다양한 곳에서 사용. 특히 이미지 인식 분야에서 강력하게 쓰인다.
22번째 줄: 24번째 줄:  
|-
 
|-
 
|풀링 계층
 
|풀링 계층
|세로, 가로 방향의 공간을 줄이는 연산.
+
|이미지는 서로 접한 픽셀이 비슷하다는 특징이 있다. 때문에 픽셀수준이 아니라 영역 수준에서 표현하는 것이 맞다.
 +
세로, 가로 방향의 공간을 줄이는 연산.
 
해당 공간에서 가장 큰 데이터만 남기는 최대풀링과
 
해당 공간에서 가장 큰 데이터만 남기는 최대풀링과
   36번째 줄: 39번째 줄:     
연구에 따르면 층이 깊어질수록 저수준 시각정보 > 추상적 특성을 추출하게 된다. 점차 사물의 의미를 이해해가는 듯한 것처럼 보인다.
 
연구에 따르면 층이 깊어질수록 저수준 시각정보 > 추상적 특성을 추출하게 된다. 점차 사물의 의미를 이해해가는 듯한 것처럼 보인다.
 +
 +
==== 사람의 눈 ====
 +
1950년대 데이비드 허블과 토르스텐 비셀이 고양이실험을 통해 일정량의 신경세포가 영역 단위로 활성화하는 방식으로 이미지의 외각선 특징을 인식하고 이들이 모여 전체 시야를 형성한다는 것을 밝혔다. CNN은 합성곱 연산을 통해 사람의 눈을 훌륭하게 모방해내었다.
    
=== 용어 ===
 
=== 용어 ===
67번째 줄: 73번째 줄:  
</syntaxhighlight>
 
</syntaxhighlight>
   −
= CNN 예시 =
+
= CNN 기법을 사용한 사례들 =
    
== LeNet ==
 
== LeNet ==

둘러보기 메뉴