데이터로부터 직접 학습하는
딥러닝의
신경망 아키텍처이다. CNN은 영상에서 객체, 클래스, 범주 인식을 위한 패턴을 찾을 때 특히 유용합니다. 또한, 오디오, 시계열 및 신호 데이터를 분류하는 데도 매우 효과적입니다.
필터링 기법을 인공신경망에 적용하여 이미지를 효과적으로 처리할 수 있는 심층 신경망 기법으로 행렬로 표현된 필터의 각 요소가 데이터 처리에 적합하도록 자동으로 학습되는 과정을 통해 이미지를 분류하는 기법이다.
1. 전반부 : 컨볼루션 연산을 수행하여 특징 추출 (컨볼루션)
CNN은 영상 및 시계열 데이터에서 주요 특징을 찾아내고 학습하기 위한 최적의 아키텍처를 제공합니다. CNN은 다음과 같은 응용 분야에서 핵심 기술로 사용됩니다.
• 의료 영상: CNN은 수천 건의 병리학 보고서를 검토하여 영상에서 암 세포의 유무를 시각적으로 검출할 수 있습니다.
• 오디오 처리: 마이크가 있는 모든 기기에서 키워드 검출을 사용하여 특정 단어나 문구("Hey Siri!")가 발화되었을 때 이를 검출할 수 있습니다. CNN은 키워드를 정확하게 학습하여 어떤 환경에서도 다른 모든 문구는 무시하고 키워드를 검출할 수 있습니다.
• 객체 검출: 자율주행에서는 표지판이나 다른 객체의 존재 여부를 정확하게 검출하고 출력을 바탕으로 결정을 내리는 데 CNN을 사용합니다.
• 합성 데이터 생성:
GAN(생성적 적대 신경망)을 사용하여 얼굴 인식 및 자율주행을 비롯한 딥러닝 응용 분야에서 사용할 새로운 영상을 생성할 수 있습니다.
