CNN 용어 정리

 

제가 CNN을 공부하면서 정리한 용어들입니다.

---

epochs : 반복 횟수

batch size : 몇 개 단위로 epochs 수행할 건지. 1이라면 1개 넣고 결과보고 값 수정-> 1 epochs 지나감

convolution : 인접한 픽셀에 convolution 필터를 곱해서 얻어지는 출력값. 인접한 픽셀값의 영향력 값. 특징 추출을 위해 사용

padding : input 이미지와 convolution 필터가 곱해질 때 이미지가 작아지는데 출력되는 값을 input 이미지와 같도록 유지해주는 것. 해주지 않으면 몇 차례만 지나도 이미지가 너무 작아져버림. 사방으로 확장되기 때문에 (1,1) 해주면 (10,10)->(12,12) 됨

activation : convolution으로 특징 추출되었다면 활성화 함수를 적용해 값 활성화 시킴. 이 특징을 가지고 있다/없다로 구분해줌. 대표적으로 sigmoid, relu가 있으나 sigmoid는 계층 깊어지면 그라디언트 소실 발생. 주로 relu 사용

pool_size : 영역을 정해서 그 안에서 값을 찾는 것(ex (2,2)). max-pooling, average-pooling이 있는데 이미지에서는 주로 max(최대값 채택) 사용. 특징의 위치 변화에 대한 영향을 덜 받기위해 사용

dense(fully connected, fc) : 활성화 함수와 이전 계층이 완전히 연결된 계층. CNN에서는 convolution layer, pooling layer를 활성화 함수 앞뒤에 배치하나 출력에 가까운 층은 fc layer를 사용할 수 있음

softmax :  fc layer에서 이미지가 어떤 레이블을 가질 가능성이 높은지 나타냄

loss : 손실 함수. 학습 시 손실을 최소로 만들어주는 가중치를 찾음. 종류가 다양하므로 적합한 것 선택하면 됨

optimizer : 학습 속도를 빠르고 안정적이게 하는 것. 종류 다양해 맞는 거 쓰면 됨. adam

metrics : 평가 함수. 평가 시 어떤 지표로 평가할 것인지 설정.

dropout : 과적합 방지