CNN (합성곱 신경망)의 개념 [ MLP와 CNN의 구조비교 / 패딩 / 축소샘플링 (스트라이드, 풀링) / ]

 

 

 

 

회색으로 이동할 경우 mlp로는 파악하기 어려움

 

 

 

Feature Extractor (특성추출) + Classifier (분류) (MLP 연결하여 사용

 

 

Fully-Connected layer 완전 연결망 >> MLP

 

 

 

 

filter 를 원본이미지의 영역에 입혀 같은 위치의 값을 곱하고 필터안에서 더해줌

 

 

 

특성 x  (원본)

가중치 w (필터)

특성들의 곱의 합 (y = ax + b)

특성을 추출하다보니 이미지의 크기가 작아짐 (4x4 > 2x2)

 

 

3차원 RGB  / 채널 : 3

 

 

패딩 : 특성을 추출하다보니 원본데이터와 비교하겨 이미지 크기가 작아지고, 남는 가장자리의 데이터에 0을 채워넣는 것

 

 

원본이미지가 커서 굳이 한칸씩 세밀하게 분석하지 않아도 될 것 같을때

스트라이드를 사용하여 건너뛰며 합성공을 수행

 

 

 

 

데이터에 이상치가 들어있더라고 입력값의 변화에 영향을 적게 받음

 

 

 

Classifier (분류기)로 MLP를 사용할때에는 이미지를 1차원 데이터로 Flatten작업이 필요하다