[딥러닝의 기초] 9. 컨볼루션 신경망(CNN: Convolution Neural Networks)

• CNN(합성곱 신경망)은 인간의 눈이 영상 정보를 처리하는 것을 모방한 신경망으로, 이미지 처리에 적합하며 강력한 성능을 보여줍니다. 각 레이어에서는 필터가 이미지에 적용되어 특징을 추출하고, 이를 바탕으로 물체를 인식합니다.

• CNN의 연산은 앞 레이어의 값과 커널을 곱하고 더해 ReLU 함수를 통과시키며, 이 과정에서 커널의 이동 거리를 결정하는 스트라이드와 이미지 가장자리 처리를 위한 패딩이 사용됩니다. 이렇게 학습된 커널의 값은 이미지의 특징을 추출하는데 사용됩니다.

• CNN(Convolutional Neural Network)은 영상 인식에 주로 사용되는 신경망으로, 하위 레이어의 유닛들과 상위 레이어의 유닛들이 부분적으로만 연결되어 있어 복잡도를 낮추고 과적합을 방지한다. 주요 기법으로는 주변 화소값에 가중치를 곱해 새로운 화소값을 생성하는 Convolution과 입력 데이터의 크기를 줄이거나 물체의 이동에 대해 둔감하게 하는 Pooling이 있다.

• AlexNet은 CNN의 한 종류로, 2개의 GPU로 병렬연산을 수행하기 위해 병렬적인 구조로 설계되었다. 총 8개의 레이어(5개의 컨볼루션 레이어와 3개의 fully-connected 레이어)로 구성되어 있으며, ReLU, Local response norm, overlapping pooling, data augmentation, dropout, softmax 등의 기법을 사용한다.