CNN

※ 본 카테고리의 글은 youtube Sung Kim <모두를 위한 딥러닝> 강좌, 책<모두의 딥러닝> 및 다른자료들을 참고하여 작성되었습니다. ※

github: github.com/chaeyeongyoon/DeepLearning_basics

chaeyeongyoon/DeepLearning_basics

 

딥러닝 네트워크 모듈을 여러형태로 쌓아 구성할 수 있습니다.

<CNN (Convolitional Neural Network)>

CNN은 다음 그림과 같이 이미지를 일부로 나누어 처리합니다. 즉 작은 영역에 집중하는 것입니다.

 

출처 https://hunkim.github.io/ml/, 나

출처 https://hunkim.github.io/ml/

 

다음은 conv layer, ReLU layer을 간단히 설명한 그림입니다.

convolution 잘그렸죵? 샤라웃투 박강령교수님

 pooling이란? sampling이라고 생각하면 됩니다. 중요한 값만 남깁니다.

보통 큰 값이 중요한 정보일 확률이 높기 때문에 max pooling을 사용합니다.

maxpooling

overfitting을 방지하기 위해 dropout을 사용합니다.

hidden layer들의 nodes 중 일정 비율을 끊어주는 것입니다. 여기서 주의할 점은 dropout한 상태로 학습만을 진행시키고 예측(test)할 때에는 모든 노드를 사용해야한다는 것입니다.

 

개인적으로 conv layer 대해서는 코드로 이해하는 것이 편했습니다. 

 

<CNN Cases>

LeNet-5, AlexNet, GoogleNet(Inception), ResNet 등