Convolutional Nerual Network
-
[기계학습]합성곱 신경망(CNN : Convolutional Nerual Network) (Part 2/2)코딩(Coding)/기계학습 2022. 2. 18. 12:03
합성곱 신경망(CNN :Convolutional Nerual Network) (Part 2/3) 기존의 Fully-Connected 모델은 1차원의 데이터 말고 2차원 이상의 데이터를 사용하게 된다면, 해당 입력 데이터를 Flatten시켜 한 줄의 데이터로 만들어야 한다. 이 과정에서 데이터의 손상이 발생하게 된다. 이미지의 경우에는 상하좌우 이웃 픽셀의 정보가 손실된다. 위 문제를 해결하기 위해 고안한 해결책이 바로 CNN이다. CNN 장점 단순 Fully-connected 보다 학습시킬 weight가 적다. 학습과 연산에 속도가 빠르며, 효율적이다. 이미지나 영상데이터를 처리할 때 사용한다. CNN의 접근 이미지 표현 => Matrix 해당 실습에서 사용된 데이터와 코드(.ipynb)는 아래 링크에서..
-
[기계학습] 합성곱 신경망(CNN : Convolutional Nerual Network) (Part 1/2)코딩(Coding)/기계학습 2022. 2. 9. 13:07
CNN(Convolutional nerual network) 등장 배경 기존의 Fully-Connected 모델은 1차원의 데이터 말고 2차원 이상의 데이터를 사용하게 된다면, 해당 입력 데이터를 Flatten 시켜 한줄의 데이터로 만들어야 한다. 이 과정에서 데이터의 손상이 발생하게 된다. 이미지의 경우에는 상하좌우, 이웃 픽셀의 정보가 손실된다. 이 문제를 해결하기 위해 고안한 해결책이 바로 CNN이다. CNN 장점 단순 Fully-Connected 보다 학습시켜야하는 Weight가 적다. 학습과 연산속도가 빠르며, 효율적이다. 이미지나 영상데이터 처리에 유용하다. CNN의 핵심 접근법 어떠한 이미지가 주어졌을때, 그 이미지가 새인지 아닌지를 결정하는 모델이 있다고 가정하자. 사람은 새의 특징인 "부..