합성곱 신경망이란?

-시각적 이미지 분석에 가장 일반적으로 사용됨, 입력 이미지로부터 특징을 추출하여 입력 이미지가 어떤 이미지인지 클래스를 분류한다.

-일반 신경망의 경우 이미지 전체를 하나의 데이터로 입력하므로 이미지의 특성을 찾지 못한다.

-CNN은 이미지를 분할해서 부분적으로 이미지의 특성을 추출한다.

합성곱 신경망의 구조

• 기존 신경망 : 인접하는 계층의 모든 뉴런이 결합된 완전 연결법 계층으로 구성된다.
• 합성곱 신경망 : 신경망 구조에서 합성곱 계층(convolution)과 풀링 계층(pooling)이 추가되었다.

합성곱 연산

• 합성곱 계층에서의 합성곱 연산은 이미지 처리에서 말하는 필터(마스크)연산에 해당된다.
• 2차원의 입력 데이터가 들어오면 필터의 윈도우가 일정한 간격으로 이동하면서 연산이 진행된다.(대응하는 원소끼리 곱한 후 총합을 구한다.)
• 필터 적용 후 데이터에 편향을 더한다. 학습이 반복되면서 갱신된다.

패딩 : Padding

합성곱 연산을 수행하기 전에 입력 데이터 주변을 특정 값(주로 0으로 채우는 zero padding)사용한다. 패딩은 여러개도 가능하다.

출력크기를 조정하기 위해서 사용한다.