CNN
CNN은 딥러닝 알고리즘 중 하나로 Convolutional Neural Network 입니다.
주로 이미지 인식, 분류, 처리에 자주 사용되는 모델입니다.
Convolved는 '감다'라는 단어로 주변의 요소들을 하나로 결합한다라는 의미입니다.
수치 정보로 1차원 데이터를 만들는 방식을 Fully Conntected Layer이라고 합니다.
이미지 데이터는 수 많은 픽셀로 구성되어 있습니다. 이미지는 픽셀이라는 수치로 표현해 1차원 데이터로 만들 수 있습니다. (하지만 위치에 대한 정보가 소실된다라는 단점이 있습니다.)
■ Convolutional Layer
위의 이미지는 왼쪽에서부터 5*5의 표로 구성되어 있지만 5*5 내에서 주변 요소들을 결합(3*3 을 돌면서) 3*3이라는 축소된 결과값으로 변화합니다.
3*3 크기를 Filter 또는 Kernal 이라고 하며 지역적인 정보를 함축해 새로운 feature을 뽑아낼 수 있습니다.
반복적인 연산을 통해 새로운 Feauture Matrix를 얻을 수 있습니다.
이러한 연산과정을 딥러닝에 적용한 것이 Convolutional Neural Network 라고 합니다.
■ Pooling Layer
Convolutional 된 값들을 어떻게 줄일 것인지(결합할 것인지) 에 대한 방식으로 지역적으로 우세한 피처 정보를 추출할 수 있습니다. 이는 Max Pooling 또는 Mean Pooling 방법이 사용됩니다.
1. 처음 자동차 데이터를 수 많은 픽셀을 또 요약을 합니다. (Convoultion)
2. Pooling Layer을 통해서 하나의 값으로 축약합니다.
위 과정을 여러번 반복해 Low-Level 의 Feature로 축약해 나값니다.
