JH 개발자의 성장일지

참고 강의(12) [딥러닝] Lecture 4. Convolutional Neural Networks - YouTube   완전 연결 층 : 모든 input 값(n)이 모든 output 값(m)에 다 연결 됨(n*m) → 최종적으로 하나의 값 출력패턴을 찾기 위한 필터 만들기 → 이미지 학습은 주변에 있는 픽셀들만 가지고 판단하는 spatial locality가 더 필요! (멀리 있는 데이터는 필요 없음…. == 완전 연결 층이 필요 없음)spatial locality를 반영하기 위해서 Convolutional Neural Network (CNN)을 만들거임. CNN (Convolutional Neural Network)공간적 지역성 : 가까이 있는 픽셀들로만 판단Positional invariance ..

심층신경망 층 수, 깊이 쌓는 이유2층 이상 쌓으면 심층신경망이라고 함.층을 더 깊이 쌓아 학습할수록 더 고차원적이고 추상적인 특징(개별의 것이 아닌 종합적인 특징)을 추출하게 됨. → 일반화된 특징을 학습해 일관된 예측 및 정확한 예측이 가능하게 됨.  CNN이 MLP보다 이미지 연산에 강한 이유/패턴이란?MLP 란? 다층 퍼셉트론 → dense 층을 쌓아서 만든 모델 (층 간의 모든 뉴런이 완전 연결되어 있어 각 입력 뉴런이 모든 출력 뉴런에 영향 미침)Dense 층 = 입력 데이터의 특정 위치나 순서가 고려되지 않고, 단순히 하나의 벡터로 입력을 처리 ↔ Controversial 층은 2D 윈도우로 지역적 특성, 위치와 패턴의 관계를 학습 (이미지의 공간 정보를 보존)정리지역적 영역 처리 (지역적 ..