Convolution Neural Network (CNN)

필요성

• 시각 정보 처리에 특화된 인공신경망
• 동일한 숫자 “1” 이미지라도 위치가 다르면 MLP에서는 완전히 다른 벡터로 인식됨 → 일반적인 MLP로는 시각적 패턴 인식에 한계
• 해결책: 2차원 구조 유지한 채로 커널(필터)를 통해 지역적인 특징 추출

구성 요소

• Kernel / Filter: 특징 추출용 행렬
• Stride: 필터 이동 간격
• Padding: 테두리에 0 등을 덧붙여 사이즈 조절

연산 과정

Convolution 연산

• 입력 행렬과 커널 간의 곱셈 + 덧셈 결과로 특징맵(feature map) 생성

• 예:

  (0×1)+(0×2)+(1×3)+(0×4)+(1×5)+(1×6)+(0×7)+(0×8)+(1×9)=23(0×1)+(0×2)+(1×3)+(0×4)+(1×5)+(1×6)+(0×7)+(0×8)+(1×9)=23

Pooling 연산

• 연산량 감소와 불변성 부여
• 종류:
  • Max Pooling
  • Mean Pooling
  • Sum Pooling
• 예: 2×2 Max Pooling → 각 영역 내 최대값만 추출

Flatten 연산