CNN

• Convolutional Nerual Network
• 이미지 나 영상 데이터 처리시 사용하는 모델로 Convolutional 이라는 전처리 작업이 들어가는 Neural Network 모델

주요 개념

Convolution

• 합성곱이라고 하는 개념은 XX 크기의 행렬을 YY 크기의 이미지 행렬의 X*X 크기 부분과 곱해서 모두 더하는 수학 연산자 이다.
• 합성곱으로 만들어진 결과는 Feature Map 이라 고 한다.

Channels

• 이미지를 표현하는 차원의 수를 채널 이라고 한다.
• 컬러 이미지 -> 3차원 데이터로 표현 = 3 Channels (Red , Green , Blue )
• 흑백 이미지 -> 1차원 데이터로 표현 = 2 Channels (색상 정보가 없어서 1차원)
• ex) 32x32 크기의 RGB 컬러 이미지는 각각의 픽셀에 대해 32x32x3 크기의 입력 데이터를 갖는다
• 3 은 RGB 의 세 채널을 나타냅니다.

Filter(Kernel)

• 이미지의 특정한 패턴이나 특징을 찾기 위한 작은 행렬이며 , 커널이라고 부른다.
• Filter 를 통해 입력 데이터를 순회 하면서 특징을 감지하고 추출합니다.
  

Stride

• 필터(커널) 이 데이터를 순회할 때 이동하는 간격을 나타낸다.
• stride 크기가 크면 출력 크기가 감소하고 , stride 크기가 작으면 출력 크기를 유지하면서 더 많은 연산을 수행 할수 있다.

Padding

• 데이터 주변에 추가적인 값을 (0) 데이터를 추가하여 넣는 것을 말한다.
• 출력 크기 보존 , 주변 정보 보존에 도움을 준다.

Feature Map

• 입력 데이터에 필터를 적용한 결과물이다.
• 각 필터는 입력 데이터에서 특정한 특징을 감지하고 , 이에 대응 하는 피쳐 맵이 생성됩니다.

Activation Map

• Feature Map 을 활성화 함수를 통과시켜 얻은 결과물을 의미한다.
• 활성화 함수를 통과하면서 모델이 비 선형성을 가지게 되고 , 더 복잡한 패턴을 학습할 수 있습니다.

Pooling Layer

• Feature Map 의 크기를 줄이기 위해 사용되는 연산으로 주로 MaxPooling 과 AveragePooling 이 사용된다.
• Pooling 의 특징 강화 혹은 불필요한 정보를 줄이는 등의 역할을 합니다.