Convolution Neural Network 요약

Convolution Neural Network

  CNN(Convolution Neural Network)는 딥러닝 알고리즘의 하나라고 할 수 있다. 딥러닝 알고리즘으로는 RBM, DBN, DNN, CNN 등을 들 수가 있는데, 이번 포스트에서는 CNN에대한 것 내용을 적어보자 한다.

  CNN은 이미지를 입력했을 때, 그 이미지가 어떤 이미지인지 판별하는 Classification모델이라고 할 수 있다. DBN이 generating 모델로 classification을 위해서 상위 RBM계층에 classification을 할 수 있도록 변경해줘야하는 것과 달리 CNN은 분류를 위한 모델이라고 할 수 있다. 머신러닝 계열의 알고리즘에선 classification을 위한 모델로 Linear regression과 Logistic regression 또 Navie baysian모델을 예로 들 수 있다.

1. CNN의 구조

  CNN은 일반적으로 3종류의 계층을 가지고 있다.

  1) Convolution layer : Convolution feature(convolution을 이용해 나타낸 feature)를 추출하는 layer로 의미있는 자질을 입력된 이미지로 부터 추출해낸다.

  2) Pooling layer : 이미지의 특성상 많은 픽셀이 존재한다. 따라서 feature를 줄이기위해 subsampling을 한다.

  3) Feedforward layer : convolution layer와 pooling layer에서 나온 자질들을 이용해서 분류를 위해 사용된다.

  일반적인 CNN의 구조는 Convolution layer->Pooling layer->Convolution layer->Pooling layer-> ... -> Feedforward layer로 이루어져 있다. Pooling layer를 이용해 이미지를 줄이고 Convolution layer을 이용해 자질을 추출하는 것을 반복한 후 Feedforward layer를 통해 분류가 이루어진다고 할 수 있다. 층이 많을 수록 분류 성능은 좋아진다.

2. CNN의 종류

3. CNN의 학습

작성중..