Convolutional Neural Network; 합성곱 인공 신경망; 합성곱신경망

• CNN 처리 과정 도식화

• 실제 이미지 CNN 처리 과정 예시

구성 및 절차

대상을 채널별로 나누고, 정보 손실 방지를 위해 패딩을 적용한 후, 필터를 이용해 스트라이드 단위로 합성곱을 해서 피처 맵을 만들어냄. 빠른 처리를 위해 풀링 적용

• 채널(Channel)
• 패딩(Padding)
• 필터(Filter), 커널(Kernel)
• 합성곱(Convolution)
• 스트라이드(Strid)
• 액티베이션 맵(Activation Map)
• 풀링(Pooling) 레이어
• 피처 맵(Feature Map)

채널

Channel

• 컬러 그림의 RGB 구분
• Red 채널, Green 채널, Blue 채널

패딩

Padding

• 데이터 소실 및 경계 표현을 위한 테두리

필터

Filter; 커널(Kernel)과 같은 의미로 쓰임

• 이미지의 특징을 찾아내기 위한 공용 파라미터

합성곱

Convolution

• 이미지에 필터를 합성곱으로 적용
• 각 행렬 값을 곱하여 합산

풀링과 피처 맵

Pooling & Feature Map

• 컨볼루션 레이어의 출력 데이터(Activation Map)의 크기를 줄이거나 특정 데이터를 강조
• Max Pooling과 Average Pooling, Min Pooling이 있는데, Max Pooling을 많이 사용

합성곱 생성 절차

효율 향상 모델

EfficientNet

• Compound Scailing을 통해 적은 파라미터 수로 정확성과 효율성을 향상시킨 분류 모델
• AutoML 및 모델 확장을 통해 정확성과 효율성 향상

EfficientDet

• EfficientNet을 backbone으로 하고 BiFPN과 Compound Scailing을 조합
• 적은 파라미터로 효율적인 성능을 보이는 Object Detection 모델

참고 문헌

• CNN, Convolutional Neural Network 요약