기록하는 것은 언제든지 도움이 되고 이해하는데 도움을 준다.

CNN

Bostcamp의 첫 번째 정리는 CNN이다.
강의 주소

Convolution

Convolution 연산은 커널을 입력벡터 상에서 움직이면서 선형 모델과 합성합수가 적용되는 구조
i에 따라 바뀌는 것이 아닌, 고정된 커널을 움직여 가는 것의 차이

Convolution 연산은 수학적인 의미는 신호를 커널을 이용하여 국소적으로 증폭 도는 감소 시켜서 정보를 추출 또는 필터링 하는 것
두 가지 연산으로 정의 가능
연속공간에서 적분으로 정의
이상공간에서는 급수로 정의

빨간색 박스는 커널, 파란색은 신호, 검은색은 결과이디.
GIF로 이해하니 헷갈리지 않고 내용이 바로 이해됐다.

영상처리에서 Convolution

1차원뿐만 아니라 다양한 차원에서 계산이 가능하다.

i,j,k가 바뀌어도 커널의 f값은 바뀌지 않는다.
커널이 위치에 따라 바뀌지 않는 다는 것이 핵심이다.

2차원 Convolution

2D-Conv 연산은 커널을 입력벡터 상에서 움직여가면서 선형모델과 합성함수가 적용되는 구조이다.

• 1차원에서의 커널은 한 칸식 이동하면서 하는 것이 아닌 입력 행렬의 해당하는 데이터에서 커널을 x,y 방향으로 이동하면서 적용한다.
  -p,q를 이동하면서 계산하는 것
  
  
• 3차원 부터는 행렬이 아닌 텐서라고 부른다.
  
• 채널이 여러개라면 2차원 Convolution을 채널 개수만큼 적용한다.
  
• 출력은 1차원이다.
  
• 여러개의 채널을 가지게 하고 싶으면 커널의 개수를 여러개로 만든다.
• 이 연산이 최근 영상처리에서 많이 사용된다.
  

Convolution 연산의 역전파

• 역전파는 오차 역전파법, 오류 역전파 알고리즘 이라고도 하며, 동일 입력층에 대해 원하는 값이 출력되도록 각 계층의 가중치를 조정하는 방법으로 사용
• 예측값과 실제값의 차이인 오차를 계산하고, 이것을 다시 역으로 전파하여 가중치를 조정
• Convolution 계산
  
• 역전파 방식
  
  

CNN을 원래 알고 있어서 원래의 지식을 기반으로 이해했다. 하지만, 잘못 알고 있던 내용과 새롭게 알게된 내용들도 있는 것 같다. 어렵게 배웠던 내용이 그림과 설명으로 배우니 이해도 빠르고 더 정확하게 알게된 것 같다. 어렵게 느꼈던 CNN이 더 쉽게 다가와 만족스러운 학습이었다.
Convolution에서 역전파라는 것을 들어보았다. 이번 학습으로 역전파가 무엇이고, 역전파로 가중치를 조절하는 방식을 배우게 되었다.새로운 지식을 배우는 것은 내가 더 성장하는 것 같다. 더 많은 지식을 배워가며 성장하고 싶다.