합성곱 신경망(CNN: Convolutional Neural Network) 심층 신경망의 기본 단위는 퍼셉트론(perceptron)이다. 여러 개의 퍼셉트론을 서로 어떻게 연결하느냐에 따라 여러 종류로 나뉘는데 이 포스트에서는 대표적인 딥 러닝 모델 중 하나인 합성곱 신경망에 대해 배워볼 것이다.
CNN은 FNN의 단점을 극복하고자 만들어진 모델이다. 합성곱 신경망은 완전 연결 신경망과는 달리 합성곱 층(Convolutional layer)과 풀링 층(Pooling layer)를 이용하여 입력 데이터의 형상을 유지한다.
출력 또한 3차원 데이터로 출력하여 다음 층(Layer)에 전달하기 때문에 CNN에서는 형상을 가지는 데이터에 대한 학습에 강력한 성능을 보인다. 최근에는 합성곱 신경망(CNN)에 대항하는 비전 트랜스포머(Vision Transformer) 모델들이 떠오르고 있지만 여전히 이미지 분류, 객체 인식 등 이미지 관련 문제에서 가장 많이 사용되는 구조이다.
합성곱 층(C...
원문 링크 : (딥 러닝) 합성곱 신경망(CNN) 개념
