|
|
| 1번째 줄: |
1번째 줄: |
| [[분류:인공지능]] | | #넘겨주기 [[합성곱 신경망]] |
| ;Convolutional Neural Network; 합성곱 인공 신경망; 합성곱신경망
| |
| | |
| * CNN 처리 과정 도식화
| |
| [[파일:CNN.jpeg|600px]]
| |
| | |
| * 실제 이미지 CNN 처리 과정 예시
| |
| [[파일:CNN2.jpeg|600px]]
| |
| | |
| == 구성 및 절차 ==
| |
| ;대상을 채널별로 나누고, 정보 손실 방지를 위해 패딩을 적용한 후, 필터를 이용해 스트라이드 단위로 합성곱을 해서 피처 맵을 만들어냄. 빠른 처리를 위해 풀링 적용
| |
| * 채널(Channel)
| |
| * 패딩(Padding)
| |
| * 필터(Filter), 커널(Kernel)
| |
| * 합성곱(Convolution)
| |
| * 스트라이드(Strid)
| |
| * 액티베이션 맵(Activation Map)
| |
| * 풀링(Pooling) 레이어
| |
| * 피처 맵(Feature Map)
| |
| | |
| === 채널 ===
| |
| ;Channel
| |
| * 컬러 그림의 RGB 구분
| |
| * Red 채널, Green 채널, Blue 채널
| |
| | |
| === 패딩 ===
| |
| ;Padding
| |
| * 데이터 소실 및 경계 표현을 위한 테두리
| |
| [[파일:CNN 패딩.png|300px]]
| |
| | |
| === 필터 ===
| |
| ;Filter; 커널(Kernel)과 같은 의미로 쓰임
| |
| * 이미지의 특징을 찾아내기 위한 공용 파라미터
| |
| [[파일:CNN 필터.png]]
| |
| | |
| === 합성곱 ===
| |
| ;Convolution
| |
| * 이미지에 필터를 합성곱으로 적용
| |
| * 각 행렬 값을 곱하여 합산
| |
| [[파일:합성곱 절차.gif]]
| |
| | |
| === 풀링과 피처 맵 ===
| |
| ;Pooling & Feature Map
| |
| * 컨볼루션 레이어의 출력 데이터(Activation Map)의 크기를 줄이거나 특정 데이터를 강조
| |
| * Max Pooling과 Average Pooling, Min Pooling이 있는데, Max Pooling을 많이 사용
| |
| [[파일:CNN 풀링.png|500px]]
| |
| | |
| === 합성곱 생성 절차 ===
| |
| [[파일:CNN 절차.jpg|600px]]
| |
| | |
| == 효율 향상 모델 ==
| |
| === EfficientNet ===
| |
| * Compound Scailing을 통해 적은 파라미터 수로 정확성과 효율성을 향상시킨 분류 모델
| |
| * AutoML 및 모델 확장을 통해 정확성과 효율성 향상
| |
| | |
| === EfficientDet ===
| |
| * EfficientNet을 backbone으로 하고 BiFPN과 Compound Scailing을 조합
| |
| * 적은 파라미터로 효율적인 성능을 보이는 Object Detection 모델
| |
| | |
| == 참고 문헌 ==
| |
| * [http://taewan.kim/post/cnn/ CNN, Convolutional Neural Network 요약]
| |
