다양한 신경망 - MNIST 분류 CNN 모델

NIPA AI 엘리스 교육 내용 정리 

신경망을 이용한 학습을 시작할 때 대부분 MNIST를 접하게 됩니다.

MNIST는 손글씨로 된 사진을 모아 둔 데이터입니다.
손으로 쓴 0부터 9까지의 글자들이 있고, 이 데이터를 사용해서 신경망을 학습시키고, 학습 결과가 손글씨를 인식할 수 있는지 검증합니다.

CNN을 위한 데이터 전처리

MNIST 데이터는 이미지 데이터이지만 가로 길이와 세로 길이만 존재하는 2차원 데이터입니다.

CNN 모델은 채널(RGB 혹은 흑백)까지 고려한 3차원 데이터를 입력으로 받기에 채널 차원을 추가해 데이터의 모양(shape)을 바꿔줍니다.

결과는 아래와 같습니다.

[데이터 수, 가로 길이, 세로 길이]  -> [데이터 수, 가로 길이, 세로 길이, 채널 수]

 

 

 

CNN

이미지 처리에서 성능이 좋아진다. 

Convolution Layer와 Pooling Layer가 입력이미지의 특징(귀, 코, 수염 등)을 추출한다.

특징(귀, 코, 수염 등)을 받아서 Fully-Connected Layer에서 분류를 진행한다.  Dense 라고 하기도 하며, 여러노드가 다(Fully) 연결되어 있다(connected)는 뜻