CNN

Convolutional Neural Network

 

이름 그대로 Neural Network에 여러 계층의 Convolutional Layer를 붙인 형태

Convolutional Layer에서는 이미지에서 Feature를 추출한다.

추출한 Feature를 바탕으로 일반 Neural Network에서 처럼 이미지마다의 분류를 진행한다.

 

Convolutional Layer는 Fiter와 Activation Function으로 구성된다.

• Fiter는 데이터에 특정 특징이 있는지 없는지를 판별하는 역할을 한다.
• 이미지에 Fiter를 거쳐서 나온 결과값이 클수록 특징히 명확히 존재한다는 것이며 결과값이 0이면 해당 특징이 존재하지 않는다는 의미이다.
• Stride : 이미지 행렬에서 Fiter를 적용하는 간격
• Feature map : Fiter를 거쳐 나온 결과 행렬
• 많은 Filter를 거쳐 이미지의 많은 특징들이 사라지는 것을 방지하기 위해 padding을 사용한다.
• padding은 특징들이 사라지는 것을 방지하기 위해 이미지 행렬 주위에 특정 값을 넣어 행렬의 크기를 키운다.  따라서 Fiter를 거치더라도 기존 크기를 유지할 수 있다

이미지에 Fiter를 거쳐 Feature map이 나오면 이 행렬을 True False로 바꾸어 주기 위해 Activation function을 사용한다.

 

Convolutional Layer를 지나온 뒤 필요에 따라 Polling Layer를 거치게 된다.

Polling Layer는 Convolutional Layer를 Resizing하여 새로운 Layer를 얻는 행위이다.   쉽게 말해서 행렬의 가로 세로를 축소하는 행위이다.