합성곱 신경망 (CNN; Convolution Neural Network)

"합성곱(Convolution)과 풀링(pooling)을 통해서 이미지 데이터의 형상 정보를 유지하면서 학습하여 이미지 인식 및 처리의 성능을 향상시킨 신경망"

 

[합성곱층(convolutional layer) -> 활성화 함수 적용 -> 풀링층 (pooling layer)]이 반복된 후에 완전히 상호 연결된 결합 은닉층이 추가되며, 최종적으로 출력층이 배치된다

① 합성곱층 : 이미지 데이터의 특성 추출 ~필터링(filtering) ~노드의 연산

※그림 출처 : https://developer.apple.com/library/archive/Performance/Conceptual/vImage/ConvolutionOperations.html

 

+ 패딩(Padding)

 : 합성곱을 수행할 때 입력 데이터의 주변 픽셀을 특정 값으로 채워 늘리는 것을 의미함

(데이터의 공간적 크기를 유지하기위해)

+ 스트라이드(Stride)

: 입력 데이터에 필터가 적용될 때 필터가 이동하는 간격

(스트라이드 값이 클수록 출력의 공간적 크기가 작아지므로 일반적으로 스트라이드를 작은 값으로 지정함)

 

② 풀링층 : 추출된 특성 정보를 축소

+풀링 (Pooling)

: 구역 내에서 대표 값만 추출함으로써 출력의 공간적 크기를 줄이는 기법

최댓값만 추출

+ 드롭아웃(Dropout)

: 일부 노드들을 삭제함으로써 학습에 영향을 주지 않도록 처리하여 과대적합 방지하는 기법

※그림 출처 : Nitish Srivastava 외 , “Dropout: A Simple Way to Prevent Neural Networks from Overfitting”, Journal of Machine Learning Research 15,pp1929 1958, 2014.

 

③ 출력층 직전의 은닉층 : 2차원 이상의 형상 특성 정보들을 1차원 형태로 변환/전개