패스트캠퍼스 환급챌린지 26일차 : Part2. 인공지능의 이해 Lv1. 인공지능/딥러닝 파헤치기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

🚨[D-2] 4월 1일 00시 강의 가격 최대 13% 인상! | 패스트캠퍼스

Ch07-01 CNN은 어떻게 인간의 사고방식을 흉내낼까.

- CNN의 동기는 융통성을 가지는 AI로, 인간의 사고방식을 흉내내기 위한 장치를 가짐

: 모든 데이터를 다 확인하지 않고, 적절한 신경 다발로 끊어내는 것

: 위치에 따른 특징 (패턴)을 추출하는 것

- C (Convolution) 

: 특정 노드의 connection을 끊은 상태로 노드를 만들고, 위치를 이동하면서 노드의 정보를 만듬

: 노드를 이동할 때는 같은 웨이트와 바이어스를 사용하도록 함

: 위치 정보를 잃지 않고, 담당 노드의 개념을 만들어냄

Ch07-02 CNN은 어떻게 특징을 추출하는가.

- 필터 (n * n)으로 데이터를 스캔하면서 패턴을 찾고, 해당 패턴을 기록함으로써 패턴을 찾음

- 가로, 세로, 대각선 등의 필터를 통해 만들어진 Convolution결과를 채널 축으로 쌓아 Feature Map을 생성함

- 어떤 특징을 파악할지는 AI가 학습하여, Weight와 Bias를 정하게 됨

Ch07-03 컬러 사진에 대한 컨볼루션

- RGB채널 개수 만큼 컨볼루션을 진행

Ch07-04 Padding & Stride & Pooling

- Padding : 동일한 데이터 사이즈가 나오도록 빈영역을 추가하는 것

- Stride : 이동하는 크기를 다르게 하는 것

- Pooling : 중요한 특징만 고르는 것 (max pooling, average pooling)

Ch07-05 CNN의 Feature Map 분석

- low - mid - high level의 순으로 컨볼루션이 진행될 때마다 학습이 진행됨

Ch07-06 CNN 논문 분석

- CNN은 입력 데이터 -> 컨볼수션 -> 특정 추출 -> 분류기 -> SoftMax를 통해 최종 값을 나타냄

Ch07-07 Beautiful insight for cnn

- 컨볼루션은 적은 수의 weight로 위치별 특징을 추출

- 여러번 컨볼루션을 하면 reception field가 넓어지는 효과를 줌

- max pooling을 여러번하면 공간적인 정보를 잃게됨

- cnn은 커넥션을 어떻게 할지 고민한 모델