[인공지능] 5-4 CNN

컨볼루션 신경망

전반부 : 컨볼루션 연산을 수행하여 특징 추출

후반부 : 특징을 이용하여 분류

영상분류, 인식 등 인식 문제에 높은 성능

컨볼루션

일정 영역의 값들에 대해 가중치를 적용하여 하나의 값을 만드는 연산

스트라이드 : 커널을 다음 컨볼루션 연산을 위해 이동시키는 칸 수

패딩 : 컨볼루션 결과의 크기를 조정하기 위해 입력 배열의 둘레를 확장하고 0으로 채우는 연산

특징지도

• 컨볼루션 필터의 적용 결과로 만들어지는 2차원 행렬
• k개의 컨볼루션 필터를 적용하면 k개의 2차원 특징지도 생성

풀링

• 일정 크기의 블록을 통합하여 하나의 대푯값으로 대체하는 연산
• 최대값 풀링 : 지정된 블록 내의 원소들 중에서 최대값을 대푯값으로 선택

• 

• 평균값 풀링 : 블록 내의 원소들의 평균값을 대푯값으로 사용

 

• 확률적 풀링 : 블록 내의 각 원소가 원소값의 크기에 비례하는 선택 확률을 갖도록하고, 이 확률에 따라 원소 하나를 선택

풀링 연산의 역할

• 중간 연산 과정에서 만들어지는 특징지도들의  크기 축소
  • 다음 단계에서 사용될 메모리 크기와 계산량 감소 
• 일정 영역 내에 나타나는 특징들을 결합하거나 위치 변화에 강건한 특징 선택

 

Quiz

컨볼루션 연산은 일반적으로 한번에 입력 전체에 대해서 가중치를 적용하여 하나의 값을 만든다. (X)

k개의 컨볼루션 필터를 적용하면 k개의 2차원 특징지도가 생성된다. (O)

최대값 풀링은 지정된 블록 내의 원소들 중에서 최대값을 대푯값으로 선택한다. (O)

풀링 연산을 하면 일반적으로 입력보다 큰 크기의 특징지도가 생성된다. (X)

딥러닝 신경망에는 학습 가능한 가중치가 많기 때문에, 학습데이터의 개수가 적어도 충분히 좋은 성능을 갖도록 학습시킬 수 있다. (X)