Convolutional Neural Network

<Convolutional Neural Network>

    1. Convolutional Neural Network

---

Convolutional Neural Network

 

Feature 전처리 후 추출 방식	ConvNets
user가 feature 지정	model이 스스로 feature 추출 → accuracy good

- LeNet: 초기 ConvNet model

- AlexNet: CNN 발달에 박차를 가한 model

 

ConvNets 사용 사례: Classification, Retrieval, Autonomous driving, Image Captioning ...

 

 

 

Computer가 Image를 plot하기 어려운 이유

→ 숫자 배열 형태로 Image 인식

 

 

 

Convolution Neural Networks

- 예외 상황에 취약했던 기존의 알고리즘 문제 해결

- Image에 filter를 순환시켜 각 filter에서 feature 추출

- striding을 통해 다양한 크기의 Image에 높은 적응도

- translation, scaling, rotation, weight 등 다양한 Data Augmentation 사용

→ 부분부분의 pattern 탐색

 

 

 

Filtering

Convolution Filter

1 featuer와 image patch의 line up

2. 각 image pixel과 feature pixel에 대응하여 muptiply (일종의 Inner product)

3. 2번을 모두 add

4. total number로 3번을 divde

 

 

→ Activation map 추출

 

 

 

Pooling: image stack을 shrinking

1. window size pick (usually 2 or 3)

2. stride pick (usually 2)

3. filtered image들로 activation map across

4. 각 window에서 maximum value 추출

Pooling layer로 변환

→ image stack이 smaller image stack으로 변환