인공지능과 빅데이터 6주차 3차시 - 합성곱 신경망, 순환 신경망

 

공간적 상관관계 - 이미지에서 한 픽셀과 옆 픽셀과의 관계성

 

흑백 이미지는 한 픽셀에 한 값을 가지지만 컬러는 한 픽셀에 RGB 3가지 값 (채널)을 가지고 있다.

백터화 - 이미지를 한줄씩 떼어서 붙여낸다 -> 이미지의 모든 픽셀을 한줄로 만들어 낸다. -> 공간 정보가 사라진다.

즉 공간정보를 소실시키지 않기 위해 CNN이 나왔다.

 

Convolution layer - 특징 추출

Fully connected layer - 특징을 통한 분류

 

머신러닝과의 비교

머신러닝은 사람이 한다...

딥러닝은 컴퓨터가 추출을 뽑는다!!! -> Convolution layer에서 일어난다.

이미지를 그대로 넣어서 추출하기 때문에 공간정보도 살아있다.

영상의 크기도 줄일 수 있고, global feature도 얻을 수 있다.

weight를 공유해서 계산량 감소, 특징을 얻을 수 있다.

딥러닝은 뒤돌아도, 옆모습도 찾아 낼 수 있는 것이다.

 

 

 

시간적으로 변하는 데이터를 다룬다!

과거 시점의 데이터를 활용하여 좀 더 강력한 모델을 만드는 것이다. - 시간의 관련성을 활용한다.

글자 완성, 문장 완성이 과거 출력 데이터를 참조한다고 볼 수 있다.

원핫 인코딩을 통한 숫자 표현! -> RNN에서 많이 사용한다. - 컴퓨터가 문자를 이해하는 방식이다.

이전의 입력이 영향을 받아서 O라는 출력을 낸다.

사진을 설명하는 txt 출력! -> 출력이 많게 된다.

CNN + RNN