CNN(Convolutional Neural Network)

즉 필터를 이용해서 convolution 연산을 하게 되면 이미지의 특성을 뽑아낸다. 

에지가 될 수도 있고 모서리가 될 수도 있고 색상이 될 수도 있고 가로선이 될 수 도 있고 

다양한 형태의 특성들의 필터를 통과하면이미지가 변환이 되고 

pooling 을 토해서 이미지 크기를 줄여준다. 

이부분의 크기를 줄입니다. 크기를 줄이고 그런다음에 또 똑같은 

pooling 해서 크기를 줄인다. convolution 과 pooling 계속해서 

가능하면 10b10까지 크기를 줄인다. 

이걸 dense 층에 집어 넣어준다. 1차원으로 바꿔서 

platen 여기서 학습을 시킨다. 

기존의 입력층 은닉층 출력층이였던 것들이 기존의 입력층 대신에 특성을 추출하기 위한 cnn층으로 바꾼게 우리가 알고 있는 cnn형태라고 볼 수 있다. 

convolution 하는 방법은 이와 같은 이미지가 있고 블럭 연산을 하기 위한 필터가 있으면 이런 필터값들은 초기화 하고 학습을 한 다음에 오차를 구하고 역전파를 해서 다시 필터값들을 다시 갱신하는 형태로 최적의 필터 오차가 작아지는 가장 최적의 필터값을 찾는 오차 역전파를 한다. 그런 필터를 통해서 convolution 을 한다. 

그런데 convolution이라는 것은 4by4 하면 같은 위치끼리 곱하고 곱한 다음에 이 블럭 안에 있는걸 더해주는 합성 곱이라고 한다. 

각각의 합성을 해서 convolution 하는걸 이해가 되셨을 까요? 

필터를 겹쳐서 같은 위치까지는 곱해주고 다음줄로 넘어온다. 이런식으로 convolution 을 해줘서 특성을 찾는게 convolution 이다. 

이것도 필터링 해서 한 번 해본겁니다. 3by3여기에 필터가 얹어진거죠. 여기가 2가 되는 거고요. 

이걸 다 더하면 

필터값에 b가 있다. w개수가 여러개가 된건다 

자 이런 필터들은 굉장히 많은 필터들이 존재를 한다. 앞에서 여러분이 레이어에 파라미터 값을 보는 게 있었죠