cnn

• toc {:toc}

Fully Connected Neural Net

2 차원으로 된 이미지를 1 차원으로 바꿔 학습

1 차원으로 바꾸는 과정에서 공간정보가 손실된다.

→ 이미지의 형상은 고려하지 않고 단순 raw data 를 처리하므로 많은양의 학습데이터가 필요하다.

→ 이미지가 회전 또는 움직이면 새로운 입력으로 데이터를 처리해줘야 한다.

→ 이미지의 크기가 커질수록 너무 많은 Weight 가 필요하다.

{: width=“600”}{: .center}

---

CNN(Convolution Neural Network)

• CNN 은 이미지를 인식하기 위해 패턴을 찾는데 특히 유용하다.
• 데이터를 직접 학습하고 패턴을 사용해 이미지를 분류한다. (특징을 수동으로 추출할 필요 없다.)
• 이미지의 공간정보를 유지한 채 학습한다.

합성곱 신경망의 구성요소

📌 합성곱 신경망을 구성하는 기본 개념과 동작 원리를 배우고 합성곱, 풀링 계산 방법을 익혀보자.

Convolution Layer

{: width=“600”}{: .center}

• 합성곱 - 입력데이터에 도장 (가중치) 을 찍어 유용한 특성만 드러나게 하는 것
• 일부에 도장을 찍어 가중치를 곱해 각각

O

I

K

N

S

P

O=\frac {I-K+2P} S +1

O

I

S

P_s

O=\frac {I-P_s} S +1