Convolutional Neural Network (CNN)
CNN은 신경망에 전처리를 추가한 다층 퍼셉트론의 한 종류입니다. 2차원 데이터의 입력과 훈련이 용이하며 적은 매개변수라는 장점으로 이미지, 동영상, 음성 학습에 많이 사용되는 알고리즘입니다. 간단하게 설명하자면, CNN은 합성곱 신경망이라고 할 수 있습니다.
CNN 적용 예시 : 이미지, 동영상, 음성 학습
CNN 알고리즘 구조
CNN은 Convolution Layer, Pooling Layer, Fully-connected Layer 단계로 이루어진 구조입니다. Convolution Layer, Pooling Layer에서 특징맵이 만들어지는데, 두 Layer 사이에 정규화 계층을 포함하기도 합니다.
CNN 알고리즘 동작 방식
CNN은 Convolution과 Pooling을 반복해서 데이터량을 줄이고 인위적인 왜곡으로 분류가 일어나도록 신경망을 생성합니다. 일반적으로 모델에서 특징추출과 분류를 하는데, 특징추출은 Convolution으로 하고 분류는 신경망으로 합니다.
데이터 특징 추출 : Convolution
데이터 분류 : 신경망
전형적인 CNN은 Convolution Layer와 Max Pooling Layer를 반복적으로 쌓아서 데이터의 특징을 추출하는 부분과 Fully-connected Layer를 구성하고 마지막 출력층에 Softmax를 적용해서 분류를 합니다.
Convolution Layer, Max Pooling Layer 반복 → Fully-connected Layer → Softmax
댓글