Q1. Convolution의 원리는 무엇인가요?
CNN 은 데이터를 feature(특징, 차원)로 추출하여 패턴을 파악하는 구조입니다. Fully Connected Neural Network 와 비교하여 필터, 합성곱층, 풀링층이라는 핵심 요소로 이루어져있습니다.
그 중 합성곱층에서는 데이터의 특징을 추출하는 과정으로 필터를 사용하여 각 영역의 인접 데이터를 조사해 특징을 파악하여 도출해냅니다.
합성곱의 수학적 원리 : https://blog.naver.com/kdesaran/222937833709
-> f, g 라는 함수의 곱 이라는 원리를 말해야 하는건지, 컨볼루션 층의 원리를 말해야 하는건지 합성곱 개념을 이해하지 못해서 어렵다.
Q2. Convolution층에서 padding의 역할을 설명해주세요.
커널과 풀링을 통과하면 가로와 세로의 크기가 줄어듭니다. 패딩은 0이라는 값으로 여백을 채워주면서 크기의 줄어듦을 방지하고, shape 크기를 맞춰줄 수 있습니다.
Q3. CNN의 여러 모델에 대해서 설명해주세요(AlexNet, LeNet, ResNet 등등)
AlexNet 은 2012년 ILSVRC 에서 우승을 차지한 모델입니다. LeNet-5 와 비교해서 많이 설명되고 있으며, 2개의 GPU 로 병렬연산을 위한 병렬적인 구조로 설계된 것이 가장 큰 특징입니다. 8개의 층, ReLU사용을 위해 LRN(측면억제)를 사용, overlapping pooling 사용 등의 특징이 있습니다. LeNet의 1채널 이미지와 달리 3채널 이미지를 사용하였고, GPU-1 과 GPU-2 에서는 각각 컬러와 관련 없고, 관련 있는 정보들을 추출하기 위한 학습을 진행합니다.
