이미지 인식의 혁명, CNN

Original lesson: SNACK AI 4강: 합성곱 신경망(CNN)의 이해 Duration: 약 15분

Learning outcomes

• CNN이 이미지 인식에 왜 효과적인지 이해할 수 있어요.
• 필터(Filter)와 스트라이드(Stride)의 개념을 이해할 수 있어요.
• 풀링(Pooling) 레이어의 역할을 설명할 수 있어요.

Introduction

컴퓨터는 어떻게 사진 속 동물이 고양이인지 강아지인지 구분할까요?

전통적인 방식으로는 매우 어려운 일이었지만, CNN의 등장으로 이미지 인식 기술은 비약적으로 발전했습니다.

이미지 처리에 특화된 신경망, CNN에 대해 알아봅시다!

1. CNN(Convolutional Neural Network)이란?

CNN은 이미지의 특징을 추출하는 데 특화된 인공 신경망입니다. 사람이 이미지를 볼 때 전체를 한 번에 파악하기보다 부분부분의 특징을 찾아내는 것과 비슷한 원리로 작동합니다.

• 합성곱층(Convolutional Layer): 이미지의 특징을 추출
• 풀링층(Pooling Layer): 데이터의 크기를 줄이고 특징을 강화
• 완전 연결층(Fully Connected Layer): 추출된 특징으로 최종 분류

2. 합성곱(Convolution)의 원리

필터(Filter 또는 Kernel)라는 작은 창을 이미지 위로 슬라이딩시키며 이미지의 특정 패턴을 찾아냅니다.

스트라이드(Stride): 필터가 한 번에 이동하는 칸 수 패딩(Padding): 이미지 주변을 0으로 채워 크기 유지

3. 풀링(Pooling)이란?

풀링은 합성곱층을 거친 데이터의 크기를 줄이는 과정입니다. 가장 큰 값을 뽑는 최대 풀링(Max Pooling)이 주로 사용되며, 이미지 내 물체의 위치가 약간 바뀌어도 동일하게 인식할 수 있게 도와줍니다.

오늘의 핵심 정리

• CNN은 이미지 특징 추출에 최적화된 신경망입니다.
• 합성곱층은 필터를 사용하여 이미지의 패턴을 찾습니다.
• 풀링층은 데이터 크기를 조절하고 특징을 요약합니다.
• 현재 대부분의 얼굴 인식, 자율주행 시각 시스템에 활용됩니다.

Quiz

Q1. 이미지에서 특정 특징을 추출하기 위해 사용하는 작은 행렬은? A. 필터(Filter) 또는 커널(Kernel)

Q2. 데이터의 크기를 줄이고 불필요한 정보를 제거하는 과정은? A. 풀링(Pooling)