#21.04.19 Section4 - Sprint3 (1)

NOTE1

• CNN & POOLING
• CNN & 분류문제
• Transfer learning & Image Classification

TDL

• CNN
  : 가중치들을 공유(Weight Sharing)해 특징을 잘 추출하는 모델.
  출력의 분류와 감지(개와 고양이가 아닌 다른 동물이 포함되어있는지)에 유용
  이미지 분류에 큰 획을 그은 방법론(전처리X, 일반적인 이미지 문제(움직임,조명)에 영향X)

CNN 모델 장점 - local feature을 잘 캐치함, weight sharing, trainslation invariance(어느정도 움직임에도 해석이 무리없음)

• Convolustion
  : 필터개념의 새로운 함수를 생성하여 연산하고 다음 레이어로 전달하는 가중치를 새롭게 만들어줍니다.

• filter
  : 가중치의 집합(Weights parameters)

• Stride
  : 필터를 얼만큼씩 움직이면서 연산할지 결정

• padding (zero-padding)
  : 값(0)을 이미지 외곽에 배치해 conv할 때 원래 데이터 수로 맞춰줌 (stride=1)
  feature map 크기 조절, 데이터 충분히 활용 가능

• pooling
  : 필터를 통과해 정보를 효과적으로 줄이는 디지털 신호 처리 기술
  데이터를 다운 샘플링하기 위해 피쳐 맵 영역의 최대 또는 평균을 사용하는 차원 감소 기술

• 전이학습(Transfer learning)
  : 이미 오랜시간 동안 학습된 모델을 가져다 쓰는 것.
  학습 데이터를 적게 사용하면서 학습속도를 빠르게 그리고 잘 일반화된 모델!
  동결(freeze)하지 않으면 이전 학습 데이터의 weight을 학습하게 됨을 주의!(학습시간이 오래걸림)

• ResNet (skipped connection)