1. CNN의 탄생 배경 : 기존 DNN으로 이미지를 분류하는 작업을 하자니, 이미지의 크기와 방향 등 여러 변수로 인해 원하는 결과가 잘 안나오는 이유로 인해 CNN 개념을 고안함. 2. CNN의 기본 개념 2-1) 특징 추출 : 특징 맵, 즉 특징을 추출하는 과정의 횟수를 늘리고 각각의 과정 속에서 컨볼루션, 풀링, 패딩 등의 계산으로 픽셀의 수를 줄여나가면서 특징을 추출함. 2-2) 이렇게 추출된 특징을 통해 일자 형태의 특징 백터를 만들고, 만든 각각의 특징 백터를 DNN의 첫 Layer에 투입하여 계산. 2-3) 사실상 CNN의 구조는 특징 맵 + 컨볼루션/풀링/패딩 계산 + DNN이 다임. 여기서 구조를 어떻게 배치하느냐에 따라서 LeNet, AlexNet, VggNet, GoogleNet, ResNet, DenseNet 등의 다양한 모델이 탄생하였음. 간단하게 개념을 정리해봤는데, 제가 이해한게 맞는지 궁금합니다!
![I.N "HALLUCINATION" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/n5B5q1Hwt_U/mqdefault.jpg)
![[데세TV] CNN합성곱신경망의 기본 개념](/img/1.gif)
🏆 실전 인공지능으로 이어지는 딥러닝 개념 잡기 강의 들으러 가기!! (오픈 기념 할인 중!!)
👉 www.inflearn.com/course/딥러닝-개념?inst=fafa258e
😀함께 공부해요!!
감사합니다
늘 감사합니다
감사해요😊
1. CNN의 탄생 배경 : 기존 DNN으로 이미지를 분류하는 작업을 하자니, 이미지의 크기와 방향 등 여러 변수로 인해 원하는 결과가 잘 안나오는 이유로 인해 CNN 개념을 고안함.
2. CNN의 기본 개념
2-1) 특징 추출 : 특징 맵, 즉 특징을 추출하는 과정의 횟수를 늘리고 각각의 과정 속에서 컨볼루션, 풀링, 패딩 등의 계산으로 픽셀의 수를 줄여나가면서 특징을 추출함.
2-2) 이렇게 추출된 특징을 통해 일자 형태의 특징 백터를 만들고, 만든 각각의 특징 백터를 DNN의 첫 Layer에 투입하여 계산.
2-3) 사실상 CNN의 구조는 특징 맵 + 컨볼루션/풀링/패딩 계산 + DNN이 다임. 여기서 구조를 어떻게 배치하느냐에 따라서 LeNet, AlexNet, VggNet, GoogleNet, ResNet, DenseNet 등의 다양한 모델이 탄생하였음.
간단하게 개념을 정리해봤는데, 제가 이해한게 맞는지 궁금합니다!
오 좋은 내용이네요.
시청 감사합니다😃
울리는 곳에서 녹음하셨나봐요. 소리 키우니 찢어지는 소리가 들리네요. 강의 항상 감사합니다. 번창하세요.
댓글 감사드립니다! 여러 장비로 확인해보니 음질이 다 다르네요 ㅠㅠ 마이크나 음질 튜닝 공부 좀 해봐야겠네요..
Question 에 대한 답은 어디서 찾을 수 있나요?
@@송미경-s4u 시청 감사합니다! 수업과 논문을 통해 배우고 느낀 것을 바탕으로 한 질문이라서 정확한 출처는 없습니다. 하지만 구글링 하시면 찾으실 수도 있을거 같아요~
1. 정보의 손실을 줄이기 위해 사용
2. 동물을 인식하는 예라면 몸 부위별 판정 레이어..?
3. 속도가 느리고, 메모리 사용량이 많아 가성비가 안좋음