오늘 읽기 시작한 부분에서는 인공지능의 핵심이라고 할 수 있는 딥러닝의 다양한 모델 패턴들 중에서 ‘합성곱 신경망‘이라는 것에 관한 내용이 나온다. 이것은 이미지 인식에 적합한 알고리즘으로 알려져 있는데, 이 모델의 기본적인 아이디어를 잘 생각해본다면 필연적으로 이미지 인식에 적합할 수밖에 없는 알고리즘이라는 것을 몸소 느낄 수 있을 것이다.
합성곱 신경망은 이미지 인식에서 획기적인 발전을 불러온 알고리즘이다. 이 알고리즘은 합성곱층 Convolution layer에 대한 이해가 우선적으로 필요하다. 합성곱층을 공부하면서 패딩padding, 필터filter, 스트라이드stride, 풀링층Pooling layer도 함께 공부하자. - P178
합성곱 신경망의 기본적인 아이디어는 변수간의 지역적인 특성을 모델에 응축한다는 것이다. 이미지 데이터의 경우 각 픽셀 값들이 하나하나의 독립변수가 된다. 기존 심층 신경망의 경우 변수간의 관계가 독립적으로 학습이 된 것에 반해 합성곱 신경망은 변수간의 지역적 관계가 모델학습에 적용된다. 즉 심층 신경망이 바로 옆에 있는 픽셀 값들을 독립적으로 학습했다면 합성곱 신경망은 바로 옆에 있는 픽셀 값들은 모델에 함께 응축되어 학습되는 것이다. 이 역할을 해주는 것이 바로 합성곱층이다. - P179
수학적으로도 어떻게 합성곱 신경망이 동작하는지 공부해보도록 하자. - P179
|