일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 클러스터링
- 코랩
- 텍스트 마이닝
- 프로그래머스
- 완전연결층
- 코딩테스트
- 원-핫 인코딩
- 망각 게이트
- COLAB
- 임베딩
- 시계열 분석
- 이미지 분류
- 자연어 전처리
- 순환 신경망
- 생성모델
- RNN
- 입력층
- 카운트 벡터
- 딥러닝
- 출력층
- 합성곱 신경망
- 양방향 RNN
- NLTK
- 성능 최적화
- 합성곱층
- cnn
- KONLPY
- 풀링층
- 전이학습
- 과적합
Archives
- Today
- Total
Colab으로 하루에 하나씩 딥러닝
합성곱 신경망_1.CNN이란? 본문
728x90
합성곱 신경망(Convolutional Neural Network, CNN, ConvNet)
- 이미지 전체를 한 번에 계산하는 것이 아닌 이미지의 국소적 부분을 계산함으로써 시간과 자원을 절약하여 이미지의 세밀한 부분까지 분석할 수 있는 신경망
- 이미지 분석시, 이미지를 펼쳐서(Flattening) 픽셀에 가중치를 곱하여 은닉층으로 전달함. 이때에 데이터의 공간적 구조를 무시하는 문제를 해결하기 위하여 CNN을 사용
- 음성 인식, 이미지/ 영상 처리에 유용
합성곱 신경망 구조
- 합성곱층과 풀링층을 거치면석 이미지의 주요 특성 벡터를 추출
- 추출된 주요 특성 벡터들은 완전연결층을 거치면서 1차원 벡터로 변환
- 출력층에서 활성화 함수인 소프트맥스(softmax) 함수를 사용하여 최종 결과가 출력
1. 입력층(Input layer)
- 입력 이미지 데이터가 최초로 거치게 되는 계층
- 이미지는 높이, 너비, 채널의 값을 갖는 3차원 데이터
- 이미지가 그레이 스케일(gray scale) → 채널값 = 1
- 이미지가 컬러(RGB) → 채널값 = 3
- 이미지의 형태가 (4,4,1) =높이 4, 너비 4, 채널 1(=그레이 스케일)
2. 합성곱층(Convolutional layer)
- 입력 데이터에서 특성을 추출하는 역할
- 특성을 감지하기 위해 커널(kernel) / 필터를 사용
- 커널은 3×3, 5×5 크기로 적용되는 것이 일반적
- 스트라이드(stride): 필터를 적용하는 위치의 간격
- 필터 채널과 필터 개수는 상이할 수 있음 → 필터 채널이 3(RGB)여도 필터 개수가 1개로 연산이 진행될 수 있음
- 특성 감지 이후 추출된 결과물이 특성 맵(feature map)
3. 풀링층(Pooling layer)
- 합성곱층과 유사하게 특성 맵의 차원을 다운 샘플링하여 연산량을 감소시킴
- 주요한 특성 벡터를 추출하여 학습을 효과적으로 할 수 있게 함
- 2가지의 연산 방법 사용
- 최대 풀링(max pooling): 대상 영역에서 최댓값을 추출 → 가중치를 갖는 값의 특성을 눈에 뜨게 확인시키기 때문에 주로 사용
- 평균 풀링(average pooling): 대상 영역에서 평균을 반환
4. 완전연결층(Fully connected layer)
- 합성곱층과 풀링층을 거치면서 차원이 축소된 특성 맵은 최종적으로 완전연결층에 전달됨
- 이미지는 3차원 벡터에서 1차원 벡터로 펼쳐짐(flatten)
5. 출력층(Output layer)
- 소프트맥스 활성화 함수를 사용하여 입력받은 값을 0~1 사이의 값으로 출력
- 이미지가 각 레이블에 속할 확률 값이 출력되고, 가장 높은 확률 값을 갖는 레이블이 최종 값이 됨
참고: 서지영, 『딥러닝 텐서플로 교과서』, 길벗(2022)
'딥러닝_개념' 카테고리의 다른 글
합성곱 신경망_3.전이학습_1) 특성 추출 기법 (0) | 2023.01.03 |
---|---|
합성곱 신경망_2.fashion_mnist 실습 (0) | 2022.12.28 |
텍스트 마이닝_ 1. BOW 기반의 텍스트 마이닝_4)로지스틱 회귀분석 (1) | 2022.12.26 |
텍스트 마이닝_ 1. BOW 기반의 텍스트 마이닝_3)나이브 베이즈 (0) | 2022.12.23 |
텍스트 마이닝_ 1. BOW 기반의 텍스트 마이닝_2)코사인 유사도 (0) | 2022.12.21 |