CNN
이미지 처리에 특화된 뉴럴네트워크
퍼셉트론, DFF RNN LSTM GRU VAE같은 다양한 모델들이있다.
합성곱 신경망 CNN
convolution 합성곱
이미지 처리 방식
입력데이터 (합성곱) 필터 => 결과값
filter,
element wise 로 합성을 하는 n x n 짜리
strides
필터가 움직이는 간격
padding
0으로된 태두리를 줌
피처맵의 크기를 인풋사이즈랑 똑같은 크기로 하고 싶을때
보통 여러개의 필터를 이용해서 연산을 함
pooling
사이즈를 축소해줌
max pooling
avg pooling
이 있음
Object detection
YOLO 빠르고 성능이좋음
다양한 cnn의 종류
Alexnet
cnn에서 결과를 낸 첫번째 모델
VGG net
deep하게 모델을 쌓아봄
처음 설계할 때 가장먼저 테스트해봄
GoogLeNet(inception V3)
깊게 쌓아서
필터, 풀링을 도입 인셉션 모듈
ResNet
층이 깊어질수록 기울기가 점점 사라져서 학습이 잘 되지 않는 문제
Gradient vanishing 이 일어남
그래서 Residual block을 제안함
그래디언트가 잘 흐를 수 있도록 일종의 지름길을 반드는 방법
전이 학습
인간이 학습하는 방법을 모사하여 만들어짐
과거의 학습한 내용을 현재 적용하려고 하는 모델에 학습시킴
순환 신경망 Recurrent Neural Networks
Rnn
자연어처리
번역모델
Gan
적대하는 관계의 2가지모델을 동시에 사용
생성모델과 식별모델 둘을 경쟁시킴
식별자를 잘 학습시키는것이 중요