참고) 해당 포스팅은 패스트 캠퍼스 100% 환급 챌린지 미션 기록용 포스팅이며, 강좌 내용에 맞추어 포스팅함을 언급
클립명 : PART1)인공지능에 대한 개념과 준비
04. 딥러닝 용어2 05. CNN 모델구조 06. OS별Anaconda부터 TensorFlow 및 Pytorch설치(window)
CNN
우선 CNN은 이전 포스팅에서 소개한 Model 부분에 해당한다. Data를 분석하기 위해 학습하는 모델중에 하나를 의미하며 이번 포스팅에서는 CNN에 대해서 다뤄본다. CNN은 Convolutional Neural Network)의 약자다. 주로 시각적 이미지를 분석하는데 주로 사용되는 것 같다.
이렇게 이미지 데이터를 넣으면 Convolution Kernel 통해 Feature map이 형성되었다는 것을 알 수 있다. 여기서 Kernel이란 Feature라고 같은 표현이라고만 알아두자. 그렇다면 Convolution Kernel이란 무엇일까? 본래의 이미지에서 특징이 되는 부분만을 추출해주는 Filter라고 생각해두면 될 것 같다. 따라서 위와 같이 Input Image를 Kernel과 합성 시키면 Feature Map가 생성된다.
이렇게 추출된 Map은 하나의 Image가 되어 다시 압축되는 과정을 가진다. 즉, 추출된 특징중에서 중요한 특징만들 모으는 과정을 한다. 그러한 Feature를 Pooled Feature라고 하며 이러한 과정을 Pooling Layer에서 거치게 된다. 그리고 이러한 과정들을 통합적으로 나타낸 모델이 CNN이라고 할 수 있을것 같다.
그렇다면 이러한 모델에서 머신러닝이 하는 역활이 뭘까? 다시 의미를 되짚어보면 머신러닝은 변수들의 계수 혹은 파라미터를 학습하면서 최적화 시키는 과정을 의미한다고 말했다. 즉, Convolution Kernel에서 계수들을 조정해 가면서 어떠한 Feature를 뽑을지 Loss/Cost를 구하며 최적화를 통해서 파라미터를 업데이트를 해주는 역활을 하는것 같다. 따라서 특정한 이미지를 추출하는 과정에서 강아지나 고양이 등 여러 사물들의 데이터를 받으면, 각 사물들의 이미지의 특징들을 기억해, 이미지의 특징과 유사하면 유사한 값을 반화하는 식으로 통해 인식을 하는것으로 파악된다. 위의 그림에서는 W와 b값을 여러번 학습을 통해서 찾는것을 의미한다. 이러한 Convolution Kernel 및 Pooling Layer을 여러겹으로 쌓아서 CNN이라고 말하는것 같다.
(글자수 : 총 1100자)
강의 소개 링크 : bit.ly/3cx6kMd
딥러닝/인공지능 올인원 패키지 Online. | 패스트캠퍼스
Tensorflow2.0부터 Pytorch까지 딥러닝 대표 프레임워크를 정복하기. 생활 깊숙이 침투한 인공지능, 그 중심엔 딥러닝이 있습니다. 가장 강력한 머신러닝의 툴로서 주목받는 딥러닝은 생각보다 어려
www.fastcampus.co.kr
'Deep Learning & AI > AI' 카테고리의 다른 글
| Tensorflow2.0 각 CNN 코드 구현 02 (0) | 2021.03.06 |
|---|---|
| Tensorflow2.0 각 CNN 코드 구현 (0) | 2021.03.02 |
| Tensorflow2.0 각 Layer별 역활 개념 및 파라미터 파악 (0) | 2021.02.27 |
| TensorFlow & Pytorch 소개, 사용법 및 dataset 소개 (0) | 2021.02.25 |
| 인공지능 개념 & 딥러닝 용어 (0) | 2021.02.17 |
