CNN

개념

CNN은 Convolutional Neural Network, 즉 합성곱 신경망이다. 이미지 데이터 처리에 특히 강한 딥러닝 모델이다.

핵심 아이디어

CNN은 컨볼루션 필터를 이용해 이미지에서 Feature Map을 만든다. 이후 풀링으로 크기를 줄이고, 여러 층을 거치며 점점 더 추상적인 특징을 학습한다.

초기 층은 에지, 색 변화, 코너처럼 단순한 패턴을 찾고, 깊은 층은 물체의 부분이나 구조처럼 복잡한 패턴을 잡는다.

입력 크기 $H$, 필터 크기 $K$, 패딩 $P$, 스트라이드 $S$일 때 출력 높이는 다음과 같다.

$$H_{\mathrm{out}}=\lfloor \frac{H+2P-K}{S}\rfloor +1$$

기존 방식과 차이

초기 컴퓨터 비전에서는 사람이 Sobel, HOG, Gabor 같은 필터를 설계했다. CNN은 필터를 사람이 고정하지 않고 데이터로부터 자동으로 학습한다. 이것이 자동 특징 추출의 핵심이다.

예시

AlexNet은 대규모 이미지 분류에서 깊은 CNN의 강력함을 보여준 대표 모델이다.