NAIAHD

20210923

CNN 또는 ConvNet

•이미지 안의 물체를 인식하거나 이미지의 장면을 글로 요약하는 데는 합성곱 신경망(CNN)구조가 많이 사용됩니다.

•한 예로 스탠퍼드 대학교의 비전 랩에서는 2015년 말 이미지의 장면을 글로 요약해주는 덴스캡(DenseCap)을 개발해 공개했습니다.

•2015년 구글은 딥드림(DeepDream)이라는 합성곱 신경ㅇ망 구조를 선보였습니다.

딥러닝의 특별한 케이스이며 컴퓨터 비전 분야에 아주 커다란 영향을 주어왔습니다.

cnn의 전형적인 특징은 거의 항상 입력 데이터로 이미지를 받는다는 점입니다 . 

덕분에 신경망을 효율적으로 구현할 수 있고 필요한 매개변수의 수를 줄일 수 있습니다. 

주요 목적: 테두리, 선, 색 등 이미지의 시각적 특징 characteristic 이나 특성 feature을 감지하는 것입니다. 

입력 계층과 연결된 은닉계층에 의해 처리됩니다. 

CNN은 재미있게도 입력 데이터가 첫 번쨰 은닉 계층의 뉴런에 완전 연결되어 FULLY CONNECTED 있지는 않습니다.

이미지의 픽셀 정보를 저장하는 입력 뉴런의 작은 일 부 영역만이 첫 번째 은닉 계층의 한 뉴런과 연결돕니다.

20210928

합성곱 계층

convolutional layer

특징맵들이 모여 있는 것

20200105

합성곱  Convolution 

합성곱 신경망의 C는 합성곱 을 의미합니다.

2개의 함수 중 하나를 평행 이동시키면서 합성곱을 취한 적분 값을 계산합니다. 

다양한 기능을 포함한 이미지 편집 소프트웨어는 행렬에 따라서 매개변수를 지정해 화소 값을 편집(합성곱 필터 적용)합니다. 

합성곱 신경망의 구성:

특징맵

완전 연결 계층

출력층

패팅 등 

출처 :

텐서플로 첫걸음

처음 배우는 인공지능