[DEEPNOID 원포인트레슨]_2_딥러닝(CNN)의 이해

220124 작성

<본 블로그는 DEEPNOID 원포인트레슨을 참고해서 공부하며 작성하였습니다>

https://www.deepnoid.com/

인공지능 | Deepnoid

 

 

 

 

1. 합성공 신경

: convolutional layers + poooling layer -> fully connected layers

 

- 필터(커널)

- 필터가 한번에 보는 영역 (Receptive field)

- 필터의 크기 (Kernel size)

- 필터가 움직인 거리 (Stride)

 

=> 필터 크기를 줄이는 대신 이미지 크기를 줄이기도 함

 

- 처음에는 작게 관찰 -> 다 본후 더 넓게 관찰 -> 좁은 영역부터 넓은 영역으로 시야를 넓히며 관찰 

- 이미지 크기를 줄이는 방법 : pooling

- 훑어보기 (CONV) -> 정렬하기 (BN) -> 신호 변환하기 (ACT_Relu) -> 이미지 줄이기 (POOL)

- 이후 일렬로 펴서 확인!

 

 

2. 네트워크, 층, 손실함수, 옵티마이저 관계

- 손실함수 (loss function) : 훈련하는 동안 최소화될 값, 주어진 문제에 대한 성공 지표

- 옵티마이저 (optimizer) : 손실함수를 기반으로 네트워크가 어떻게 업데이트될지 결정

- 에폭(epoch) : 데이터가 신경망을 통과하여 손실함수를 구하고 가중치를 업데이트하는 한 주기

 

 

+) 학습 과정 : 경사하강법 (Gradient Descent)

- 학습이란

: 손실함수로 구한 손실 값을 옵티마이저를 사용하여 손실이 최소화 되는 방향으로 가중치를 업데이트

 

 

 

3. CNN : Deeper & Deeper VS Vanishing Gradient

: 깊다고 좋은건 아님!

 

 

 

4. 합성공 신경망 모델 Classification

: VGG

- VGG-16

: 16개 쌓기

- VGG-19

: 19개 쌓기

이케 block 묶음

 

: GoogleNet(Inception)

 

: ResNet

 

 

: DenseNet