[ML] Deep Convolutional Neural Networks(DCNN)

 이스라엘 소프트웨어 회사인 Run:AI에 따르면 Deep Convolutional Neural Networks(CNN)은 아래와 같다.

 

1. Deep Convolutional Neural Networks란 무엇인가?

: Deep Learning(딥러닝)은 AI 시스템을 구축하는 Machine Learning 기법 중에 하나다. Deep CNN은 Artificial Neural Networks(ANN)을 기반으로 한, 여러 계층의 신경망(Neuraon)을 통해 방대한 양의 데이터를 복합적인 분석을 할 수 있도록 설계 됐다.

 

 다양한 Deep Neural Networks(DNN)이 존재하는데. 이미지와 비디오의 패턴 식별에 가장 많이 사용되는 것은 Deep CNN(CNN 혹은 DCNN)이다. DCNN은 전통적인 ANN에서 진화했는데, 동물의 시각 피질에서 영감을 얻은 3차원 신경망 패턴을 사용한다.

 

 DCNN은 물체 검출과, 이미지 분류, 추천 시스템 그리고 때때로 자연어 처리(Natural Language Processing)에 사용된다.

 

: Deep learning is a machine learning technique used to build artificial intelligence (AI) systems. It is based on the idea of ​​artificial neural networks (ANN), designed to perform complex analysis of large amounts of data by passing it through multiple layers of neurons.

There is a wide variety of deep neural networks (DNN). Deep convolutional neural networks (CNN or DCNN) are the type most commonly used to identify patterns in images and video. DCNNs have evolved from traditional artificial neural networks, using a three-dimensional neural pattern inspired by the visual cortex of animals.

Deep convolutional neural networks are mainly focused on applications like object detection, image classification, recommendation systems, and are also sometimes used for natural language processing.

 

2. Deep Conolutional Neueral Networks 설명

: DCNN의 강점은 계층(layering)이다. DCNN은 이미지의 RGB 요소를 한번에 처리하기 위해 3차원의 신경망 네트워크를 사용한다. 이는 전통적인 순반향 신경망(Feed forward neural networks)에 비해, 이미지 처리에 요구되는 인공 신경의 개수를 현격히 줄여준다.

 

 DCNN은 이미지를 입력으로 받아 분류기(Classifier)를 학습시킨다. 이 네트워크는 행렬 곱셈 대신 합성곱(Convolution)이라는 특별한 수학 연산을 사용한다.

 

 합성곱 망(Convolutional Networks)의 구조는 일반적으로 다음의 네가지로 구성된다: convolution(합성곱), pooling(풀링), activation(활성화), fully connected(전결합)

 

: The strength of DCNNs is in their layering. A DCNN uses a three-dimensional neural network to process the Red, Green, and Blue elements of the image at the same time. This considerably reduces the number of artificial neurons required to process an image, compared to traditional feed forward neural networks.

Deep convolutional neural networks receive images as an input and use them to train a classifier. The network employs a special mathematical operation called a “convolution” instead of matrix multiplication.

The architecture of a convolutional network typically consists of four types of layers: convolution, pooling, activation, and fully connected.

 

참고

- https://www.run.ai/guides/deep-learning-for-computer-vision/deep-convolutional-neural-networks