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.
잠깐만요
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.