MLP의 한계점

MLP는 입력데이터로 1차원 벡터만 사용 가능

2차원 이상의 데이터는 평탄화(flatting)과정을 사용

이 데이터들은 공간적 정보가 소실

Convolutional Neural Networks

시각적 영상을 분석하는 데 사용되는 다층의 feed-forward적인 인공신경망의 한 종류

CNN을 사용하는 이유

적은 수로 많은 Feature를 생성하므로 & 연산량이 적으므로 & 메모리 사용량이 적으므로

stationarity : 이미지 위치에 상관없이 동일한 특징들이 존재

Translation invariance : 입력이 바뀌어도 출력은 그대로 유지되어 바뀌지 않는다.

Convoultion과 pooling을 반복하여 상위 feature을 구성

Convolution : Filter를 이용해 Local 영역에서의 특징 feature를 얻는 과정

Pooling : 추출한 Feature의 유의미한 정보를 유지하면서 Dimension을 줄이는 과정

Locally Connected Networks(일부 퍼셉트론 연결)

CNN의 특징

각 레이어의 입/출력 이미지 형상 유지

이미지의 공간 정보 유지 및 근접 픽셀과의 관계 파악 가능