AI를 위한 필수 수학

221

Chapter 5 -

합성곱 신경망과 컴퓨터 비전

5.4.2

피처맵

합성곱 신경망은 완전 연결 신경망이 손실 함수를 최적화하는 것과 같은 방식으로 데이터로부

터 커널을 학습한다. 훈련 함수 수식에 들어가지만 알지 못하는 가중치에는 다음과 같은 것들

이 있다.

●

합성곱 계층의 각 커널의 가중치

●

합성곱 계층의 각 커널의 바이어스

●

모든 완전 연결 계층의 가중치

합성곱 계층의 출력 (비선형 활성화 함수를 포함 )을 피처맵

feature

map

이라 부르며, 학습된 커널

은 피처 검출기

feature

detector

라고 한다. 합성곱 신경망에서 쉽게 확인할 수 있는 점은 신경망 초

기 계층(입력 층에 가까운 층)에서 엣지 같은 낮은 수준의 피처를 학습하고 이후 층들에서 모

양과 같은 높은 수준의 피처를 학습한다는 점이다. 이는 새로운 층이 추가될 때마다 비선형 활

성화 함수도 같이 추가되기 때문에 자연스럽게 예상할 수 있다. 이에 따라 신경망의 복잡성은

여러 계층을 거치며 증가하게 되고 신경망이 더 복잡한 피처를 표현할 수 있는 능력도 증가하

게 된다.

피처맵은 어떻게 그릴까?

피처맵은 훈련된 신경망의 각 합성곱 층에서 무엇을 감지하는지 직접 관찰할 수 있도록 도와준

다. 신경망이 아직 훈련 과정 중에 있다면 피처맵을 통해 오류의 원인을 정확히 파악하고 그에

따라 모델을 ...