[인공지능] Convolution Neural Network

Convolution Neural Network

합성곱 신경망

 

[ Convolution Neural Network ]

  : 시각적 자료를 분석하기 위한 신경망의 한 종류.

    

  Layers

    · Convolution Layer

      : 이미지를 분류(Classification)하기 위한 특성(Feature)을 추출해내는 단계.

      : 뽑아낸 특성으로 Filtering 과정 진행.

         → 슬라이딩 윈도우(Sliding Window) 기법으로 추출해낸 특성과 곱연산을 해 결과값을 해당 셀에 입력한다.

Filtering

    · ReLu Layer

      : ReLu 활성화 함수를 적용하여 음수인 부분을 없애준다. (0으로 만듦)

ReLu

    · Pooling Layer

      : 일정 영역을 지정하여 영역 내의 특성 중 가장 유효한 값을 추출해 고정한다. → 특성을 유지하며 크기를 작게 만듦.

      : 보통 영역 내 최대 값을 추출하는 Max Pooling을 이용한다.

Max Pooling

    · Flatten Layer

      : 데이터를 신경망에 삽입하기 위해 추출된 특징들을 1차원 레이어로 바꿔주는 역할을 한다.

Flattening

    · Dropout Layer

      : 과적합(Overfitting)을 방지하기 위해 데이터의 탈락을 수행하는 역할을 한다.

 

    · Dense Layer(Fully-Connected Layer)

      : 추출된 정보들을 모두 연결해 하나의 레이어로 모으는 레이어.

      : Soft-Max 함수를 이용해 이미지를 분류한다.

 

  Deep Stacking

    : 레이어들을 반복적으로 쌓아 정확도를 높이는 방법.

 

  Vote

    : 결과물에 대한 정확도를 측정하는 것.

F1 Score Classification

    · True Positive : 맞다고 판단하고 판단이 맞는 경우.

    · False Positive : 맞다고 판단했는데 판단이 틀린 경우.

    · False Negative : 틀리다고 판단했는데 판단이 틀린 경우.

    · True Negative : 틀리다고 판단하고 판단이 맞는 경우.

 

    · Accuracy : 정확도. T / Total

    · Precision : 정밀도. 맞았다고 하고 정말 맞는 비율. TP / T

    · Recall : 재현도. 실제 True인 데이터를 모델이 True라고 한 비율.  TP / ( TP + FN )

 

사진 출처 : ResearchGate, lilianweng.github.io, SuperDataScience