CNN(convolutionanl neural network)(김도현 부장님)

[빅데이터/인공지능 목차]

 

1. 이미지 학습을 통한 패턴 분류, CNN(합성곱 신경망)의 개념

컴퓨터 비전을 위해 Convolution, Pooling, Fully connected layer 를 통해 feature(특징) 추출, 차원축소 단계를 거쳐 이미지를 분류하는 신경망 알고리즘

특징) Computer vision, Image classification

 

2. CNN(합성곱 신경망) Layer 구성 및 주요기술

  1) CNN(합성곱 신경망) Layer 구성도

2) CNN(합성곱 신경망) 주요기술

구분	주요기술	설명
컨벌루션 계층 (Convolution Layer)	Filter	- filter는 특징이 data에 있는지 없는지를 검출해주는 함수
	ReLu	- filter적용 값을 비선형 값으로 바꾸어 주는 활성 함수
	Stride	- stride는 필터의 이동간격을 설정하여 convolution 연산을 수행할 지를 정의하는 파라미터
	Padding	- output 이미지가 너무 작아지게 되기 때문에 이것을 방지하기 위해서 사용
풀링 계층 (Pooling Layer)	Max Pooling	- feature의 최대값 추출
	Average Pooling	- feature의 평균값 추출
연결계층 (Connected Layer)	Classificatoin	- feature 값의 분류작업
	Softmax	- 분류의 확률을 제공하는 활성 함수

 

3. CNN의 하이퍼 파라미터

• Filter의 사이즈
• Padding 여부
• Stride
• Pooling layer 종류

 

"CNN은 Convolution과 Pooling을 반복적으로 사용하면서 불변하는 특징을 찾고, 그 특징을 입력데이터로 Fully-connected 신경망에 보내 Classification을 수행하는 것이다."

 

 

참고) 

http://taewan.kim/post/cnn/

https://itpewiki.tistory.com/429

https://rubber-tree.tistory.com/entry/%EB%94%A5%EB%9F%AC%EB%8B%9D-%EB%AA%A8%EB%8D%B8-CNN-Convolutional-Neural-Network-%EC%84%A4%EB%AA%85