[인공지능#9/10-31] 깊은 신경망(DNN)과 CNN 맛보기

[인공지능#8/10-12] 인공신경망, 퍼셉트론 개념

본 포스팅은 2022-10-31(월), 국민대학교 이재구 교수님의 인공지능 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다.

---

# 시작하며

 인공지능도 시험기간 동안 포스팅하지 못했다. 그 전까지 배운내용은 퍼셉트론에 대한 개념과, 다층 퍼셉트론, 오류 역전파였다. 이번 시간부터는 새로운 4단원이 시작되면서 합성곱 신경망 CNN에 대해서 배우기 시작했다.

 

# 깊은 신경망 DNN (Deep Neural Networks)

 깊은 신경망은 다층 퍼셉트론에 은닉층을 여러 개 추가하면서 깊은 신경망(DNN)이 된다. 그렇게 때문에 앞서 배웠던 다층퍼셉트론과 비슷한 내용이다. 

 깊은 신경망은 80년대초에 제안 됐지만, 경사 소멸(Gradient Vanishing)과 부족한 데이터 집합, 연산장비의 부족으로 인해서 주춤 했었고 지속적인 연구로 합성곱 신경망을 통한 심층학습의 가능성을 확인 시켰다.

 

## 얕은 신경망 ( 다층 퍼셉트론 )

 은닉층은 특징추출기로써의 역할을 하는데, 얕은 신경망은 이러한 특징추출을 적게할수 밖에 없고 결국 간단한 규칙에 대해서만 학습이 가능했다. 낮은 성능을 보였는데 그 이유는 제한적인 특징들만 추출했기 때문이다. 그렇기 때문에 사람이 직접 특징을 추출한 데이터를 신경망에 넣도록 했었다.

 

## 깊은 신경망 ( 합성곱 신경망 )

 그러나 깊은 신경망을 구성하게 됨으로써, 사람이 직접 추출해줬던 feature와 같은 부분들이 신경망에서 알아서 찾게 된다.

 

# 깊은 신경망의 특징 학습

 신기하게도 신경망에서 입력층과 가까운 은닉층은 간단한 특징을 추출하고, 높은 단계로 넘어갈 수록 추상적인 형태의 복잡한 특징을 추출한다고 한다. 이를 이미지데이터에 비유하자면, 엣지 -> 엣지 결합 -> 객체 모델과 같이 특징들이 추출 된다고 한다. 물론 여전히 이러한 은닉층들은 블랙박스로 불리우며 인간이 알지 못하는 특징을 추출하기도 하지만, 대게 이러한 양상을 보인다고 하며, 이런쪽으로도 활발한 연구가 진행된다고 한다.

 

# 합성곱 신경망( Convolutional neural networks : CNN ) 맛보기

합성곱 신경망은 대게 사진,영상에서 특화된 신경망을 말한다. 분류, 검출, 검색 분할과 같은 과업이 있다.

컴퓨터 비전이 어려운 이유는,

• 관점에 따라서 동일한 객체라도 다르게 보인다.
• 배경색과 물체의 구분이 어렵다.
• 조명에 따른 변화
• 기형적인 형태
• 일부가 가려지거나 숨겨진 영상
• 같은 종류일지라도 다양한 모습을 하고 있음.