CNN 14 - CNN 트레이닝

Conv Filter

합성곱 신경망(CNN)에서 "필터" 또는 "커널"은 입력 이미지의 특정 특징이나 패턴을 감지하는데 사용되는 작은 행렬

기능 감지기로 이미지의 물체를 구성하는 기능을 감지해서 이미지에 뭐가 있는지 알 수 있다.

Low-Level Feature

일반적으로 CNN은 낮은 수준의 특징(Low-Level Feature)을 학습한다. (가장자리, 선)

Mid-Level Feature

중간 레벨 레이어는 간단한 패턴을 학습

Feature의 왼쪽 아래 4번째를 보면 코로나 바이러스 같은것이 보인다.

High-Level Feature

높은 수준의 레이어는 더 구조화된 복잡한 패턴을 학습

특징들을 보면, 벌집, 세포, 새와 같이 고 수준의 물체를 확인할 수 있다.

합성곱 신경망(CNN) 훈련 과정

1. 초기화
   훈련 가능한 매개변수(가중치)에 대해 무작위 값을 초기화

2. 전파(Forward Propagation)
   이미지 또는 이미지 배치를 네트워크에 입력으로 제공하고, 각 계층을 거쳐 결과를 산출

3. 오류 계산
   실제 값과 예측 값 사이의 오류(손실)를 계산

4. 역전파(Back Propagation)

계산된 오류를 바탕으로, 경사 하강법을 사용하여 네트워크의 가중치를 업데이트한다.

목적은 오류 최소화

5. 반복

전체 데이터셋에 대해 위의 과정을 반복

각 반복을 에폭(epoch)이라고 하며,

모든 이미지가 네트워크를 통과하는 것을 한 에폭으로 친다.

6. 손실 감소 확인

여러 에폭을 거듭하면서 손실 함수의 값이 만족할만한 수준으로 감소하는지 확인