컨볼루션 신경망 (CNN, Convolutional Neural Network)

컨볼루션 신경망은 입력된 이미지에서 다시 한번 특징을 추출하기 위해 마스크(필터, 윈도 또는 커널이라고도 합니다)를 도입하는 기법입니다. 예를 들어서 3x3 마스크를 미리 준비합니다. 각 칸에는 가중치가 들어있습니다. 그 가중치의 값을 곱해서 새로운 Convolved Feature을 만들어 냅니다. 이렇게 만들어진 층을 컨볼루션(합성곱)이라고 부릅니다.

앞서 구현한 컨볼루션 층을 통해 이미지 특징을 도출했지만, 그 결과가 여전히 크고 복잡하면 이를 다시 한번 축소해야합니다. 이 과정을 풀링(pooling) 또는 서브 샘플링(sub sampling)이라고 합니다.

풀링 기법 중 맥스 풀링(max polling)을 가장 많이 씁니다. 정해진 구역 안에서 가장 큰 값만 다음 층으로 넘기고 나머지는 버립니다.

이런 특징을 가진 층을

이렇게 재가공 합니다.

또한, 노드가 많아지거나 층이 많아진다고 해서 학습이 무조건 좋아지는건 아닙니다. 왜냐하면 과적합(overfitting)이 일어날 수 있기 때문입니다. 그래서 나온 방법이 드롭아웃(drop out) 기법입니다. 랜덤하게 노드를 끔으로써 학습 데이터에 지나치게 치우쳐 과적합이 발생하는 상황을 막을 수 있습니다.

---

이상 컨볼루션 신경망(CNN, Convolutional Neural Network)였습니다. ^_^