[인공지능] Convolutional Neural Network

!. 이미지 같은 하나의 Input을 여러개로 나누어 Convolution 함

 - Weight을 통해 계산 후 Relu를 적용함으로 값이 나옴

 - 그 뒤로 Pooling을 통하여 사이즈를 작게 만들어짐

!. 같은 필터(w)를 통하여 하나의 값으로 읽어들임

 - 5x5x3 의 값 일 경우 모든 이미지의 Convolution한 데이터에 같은 Filter를 적용함

!. Stride: 값이 1일 경우 한칸씩 옆으로 이동함, 값이 2 일 경우 두깐씩 옆으로 이동함

 - Output_size = (N - F) / stride + 1

!. 계속 반복함으로 점점 Output이 작아짐

!. Padding: Output이 작아짐으로 데이터의 점보가 점점 줄어들기 때문임

!. Convolution을 할 떄 Filter의 개수를 몇번하느냐에 따라 깊이가 달라짐

!. Pooling Layer(Sampling): Convolution 할때 중간중간 Pooling을 해야함그 값을 무엇으로 할 것인가 결정하는 것임

 - 가장 많이 쓰이는 것이 MAX Pooling임

활용예

AlexNet(2012): Cov, Pooling을 깊이 하면 됨

GoogLeNet: 이상하게 병렬적으로 모두 다르게 하고 다시 합침을 반복함

ResNet: 152개의 Layer가 존재하며 창의적으로 전에 것을 더함으로 학습효과를 높였음

CNN Sentence Classification: CNN을 이용하여 문장을 만듬

- Sung Kim(유튜브 강의) -