AI를 위한 필수 수학

227

Chapter 5 -

합성곱 신경망과 컴퓨터 비전

112

https://oreil.ly/kKgqL

5.7

이미지 분류를 위한 합성곱 신경망

이 책의 주된 목적이기도 하지만, 다양한 모델의 기반이 되는 수학 이론을 충분히 이해하지 않

고 신경망 구조와 그 변형을 완벽히 이해하는 것은 불가능하다. 다만 컴퓨터 비전 분야에서 이

미지 분류를 위한 인공지능을 구축하는 데 필요한 필수 구성 요소와 더불어 이 요소들이 어떻게

결합되는지 살펴볼 수 있다. 이 모델의 훈련 과정에서도 <

Chapter

4

신경망을 위한 최적화>에

서 배운 단계들이 계속 적용된다.

1

(<

Chapter

4

신경망을 위한 최적화>에서 배웠던 초기화 과정에 따라서) 가중치를 임의로 초기화한다.

2

합성곱 신경망에 이미지 배치를 주입해 순전파시키고 이미지의 예측 클래스 값을 출력한다.

3

이때의 가중치에 대한 손실 함수를 계산한다.

4

손실 함수를 신경망에 역전파시킨다.

5

오차에 기여한 가중치들을 조정한다(확률적 경사 하강 ).

6

특정 반복 횟수까지 또는 수렴할 때까지 반복한다.

다행히 이 모든 작업을 직접 수행할 필요는 없다. 파이썬 케라스

keras

라이브러리에 사전 학습된

모델이 있으며 이 모델들의 가중치는 이미 고정되어 있다. 그러므로 특정 데이터셋에 대해 학

습된 모델을 평가하기만 하면 ...