더북(TheBook)

그런 다음 추출한 데이터를 인공 신경망에 넣는 것입니다. 그리고 마지막 결괏값이 0이라고 알려주면 인공 신경망은 스스로 가중치와 편향을 바꿔가며 이 이미지가 숫자 0이라는 것을 학습하게 됩니다.

그림 8-4 | 전체와 부분을 학습하는 CNN

하지만 그림 8-4와 같은 방법으로 인공 신경망에 넣지는 않습니다. 조금 더 복잡한 과정을 거쳐야 정확한 합성곱 신경망을 완성할 수 있습니다. 합성곱 신경망이 데이터 부분부분의 특징을 잘 나타내는 신경망이라는 것을 나타내고자 단순하게 표현한 것뿐입니다.


합성곱 연산

앞에서 설명한 내용은 완전한 합성곱 신경망이 아닙니다. 합성곱 신경망을 정확하게 구현하려면 부분 데이터를 추출하는 과정에 조금 더 복잡한 단계가 있습니다. 더 자세히 설명하면 2×2의 모습으로 추출한 데이터를 어떠한 값(필터라고 합니다)으로 곱하고 특징적인 값을 찾아내는 과정이 필요합니다.

이때 추출한 데이터를 필터와 곱할 때 합성곱 연산을 하는 것이죠. 그래서 이 신경망의 이름이 합성곱 신경망입니다. 이러한 합성곱 연산을 사용하면 이미지의 어떠한 영역에 어떠한 특징과 패턴이 있는지를 알아낼 수 있습니다.

합성곱 신경망은 이미지의 특징을 파악하는 데 특화된 딥러닝 기법입니다. 이미지를 인식하는 다양한 분야, 예를 들어 필기체 인식이나 차량 번호판 인식, 의료용 인공지능 개발, 물체 인식 등에서 사용합니다.

신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.