편집
1,408
번
바뀜
잔글11번째 줄:
11번째 줄: − + + + 22번째 줄:
24번째 줄: + 40번째 줄:
43번째 줄: − + − + + + + +
편집 요약 없음
=== 개념 ===
=== 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.
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. 반면 CNN은 3차원 형상 자체를 다룬다.
때문에 이미지를 그대로 기입할 방법이 필요하게 되었고, 특징 맵이라는 개념으로 입력과 출력을 처리한다.
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.
기본적으로 입력데이터에 필터를 씌워 연산하여 대략적인 형태정보를 뽑아낸다. 이 필터가 매개변수(가중치)에 해당하게 된다. 필터를 여러개 사용하여 다음 층으로 넘기는 것이 일반적이다.
다음의 두 층으로 이루어져 있다.
{| class="wikitable"
{| class="wikitable"
!용어
!용어
|합성곱 계층
|합성곱 계층
|특징을 추출하기 위한 계층. 특징 맵을 뽑아낸다.
|특징을 추출하기 위한 계층. 특징 맵을 뽑아낸다.
패딩을 사용하는데, 여기에서 사용하는 필터가 가중치가 된다.
|-
|-
|풀링 계층
|풀링 계층
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 ====
3차원 연산에 대해서도 필터를 적용해 1차원으로 줄일 수도 있다.
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.
==== 기원. 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. 일차 시각피질 시신경에 전극을 꽂아 어떤 자극이 시신경을 활성화하는지 실험. => 고양이의 시신경은 edge에 대해 반응하고 정보가 취합되어 더 복잡한 시각을 인식한다는 것을 알게 되었다. CNN은 합성곱 연산을 통해 사람의 눈을 훌륭하게 모방해내었다.
이후 Yann LeCun 등이 처음으로 CNN이라고 언급하고 난 후 빠르게 발전함.
=== 용어 ===
=== 용어 ===