BESS(Back-End Study Space)
Convolutional Neural Network(CNN) 본문
2020/12/05 - [데이터 분석 입문/딥러닝] - Mini-Batch, Back Propagation, Overfitting
Mini-Batch, Back Propagation, Overfitting
2020/12/05 - [데이터 분석 입문/딥러닝] - Perceptron, Deep Learning, Gradient Descent Perceptron, Deep Learning, Gradient Descent #1. Perceptron(1958, Frank Rosenblatt) 생물학적 뉴런을 모방하여 인공..
leeezxxswd.tistory.com
#1. Convolutional Neural Network(CNN)
- 이미지 인식(Image Classification)에 가장 널리 사용됨
- 일반적으로 convolution layer, pooling layer, fully-connected layer로 구성
· convolution layer : Feature(특징) 추출
· pooling layer : 추출된 Feature(특징)들을 모음(중요한 것들만 뽑음)
· fully-connected layer : 최종적으로 모인 Feature(특징)들을 가지고 class를 판단
#2. CNN의 동작 원리
> 1. 이미지를 작은 tile로 나누고, 첫번째 tile에서 특정 feature를 추출 (예: 귀)
> 2. 다음 tile로 이동하면서 같은 방법으로 feature를 추출(동일한 weight 사용)
> 3. 다른 feature(예: 눈)를 추출하는 filter가 위와 같은 방법으로 tile을 하나씩 이동하며 feature 추출
> 4. 여러 feature(입, 코, 목... 등 )를 각 tile에서 추출하면 여러 개의 점수들이 나옴
> 5. 결과를 다음 layer로 보내서 계속 반복
> 6. 다음 layer에서는 그 결과를 종합해서 본다. (예 : 여기 귀가 있었고, 눈이 있었어 그럼 여긴 얼굴이겠구나 아 여기는 왼쪽 부분이구나...)
> 7. 최종적으로 추출된 모든 feature들을 잘 조합하여 최종적으로 이미지를 판단
'데이터 분석 입문 > 딥러닝' 카테고리의 다른 글
| TensorFlow와 PyTorch (0) | 2020.12.07 |
|---|---|
| Generative Adversarial Network (0) | 2020.12.07 |
| Recurrent Neural Network(RNN) (0) | 2020.12.06 |
| Mini-Batch, Back Propagation, Overfitting (0) | 2020.12.05 |
| Perceptron, Deep Learning, Gradient Descent (0) | 2020.12.05 |
