[패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 35회차 미션

Part4-31. 합성곱 신경망(CNN) - 01. (STEP 1) 합성곱 연산과 이미지 필터

아날로그 신호처리

선형 시불편 시스템 LTI(Linear Time Invariant Sysyem)
선형적이고 시간에 영향을 받지 않는 신호처리 시스템
인간과는 다른 시스템

Dirac 델타 함수

시간에 대해서 함수를 정의
삼각형의 크기는 1이됨
t=0을 제외한 모든 위치에서는 출력이 0
모든 구간에서 적분한 값이 1이 됨

임펄스 응답

Dirac 델타 함수를 입력했을 때 출력을 임펄스 응담이라고 함
임펄스 응답은 필터(Filter)라고 하며 LTI시세틈의 동작을 완전하게 표현

합성곱 연산(Convolution)

합수 2개를 합성해서 곱하는 연산
한함수를 뒤집고 이동하면서 두 함수의 곱을 적분하여 계산
(순서가 바뀌어도 상관없음)

이차원 신호와 흑백이미지

가장어두운것이 0, 밝은것이 1
각 픽셀하나가 숫자로 표시됨
0~1의 사이의 실수로 된 2-D signal로 표현됨

이차원 신호와 컬러이미지

RGB 각에 대해서 2-D signal로 표현됨

영상의 합성곱 계산

신호를 상하좌우로 뒤집음
전부 곱해서 합쳐줌
필터를 한칸씩 옮기면서 영상과 겹치는 부분을 모두 곱해서 합침

잡음 제거 필터

2-D Gaussian Fillter 영상보다 흐린 영상을 얻을 수 있음
흐려지는 대신 잡음을 제거 가능

미분필터

Sobal Filter
위쪽값에서 아래값을 빼주는 형태, 아래서 위쪽방향으로 gradient를 구하는 형태가 됨
특정 방향의 edge 성분을 추출하는 특성이 있음
그림의 방향은 가로 edge를 잘 추출함

Part4-32. 합성곱 신경망(CNN) - 02. (STEP 1) 합성곱 계층

뉴런

여러개입력이 들어오면 가중치를 곱하고 합해서 활성화함수를 적용

곱에서 합성곱으로

입력이 metrix단위로 들어옴
필터링을 진행(합성곱을 진행)
이결과를 다 더해주고 활성화 함수 적용

뉴런 대신 입력영상
가중치 대신 필터
곱 대신 합성곱 사용

전결합 계층

뉴런을 여러개 모아놓고 모두 연결된 형태를 전결합 계층이라합

합성곱 계층

합성곱으로 이루어진 뉴런을 전결합 형태로 연결한 것을 합성곱계층이라 함
피쳐맵형태로 표현하는게 일반적임

합성곱 계층의 의미

중간피쳐맵에서 필터와 유사한 것에 대해서 높은 값이 발생
찾아낸 특징의 위치를 출력하게됨
여러가지 edge를 추출할수 있고
이를 통해서 특징을 찾아낼 수 있음

딥러닝/인공지능 올인원 패키지 Online