다섯 살도 알 수 있게 · AI이론
CNN(합성곱 신경망)이 뭐예요?
CNN을, 사진 전체를 한 번에 보는 대신 작은 창을 조금씩 옮기며 무늬를 찾는 눈 이야기로 풀어봤어요.
사진 전체를 한 번에 보려니 픽셀 숫자가 너무 많아요.선별기가 픽셀 하나하나를 다 따로 보면 계산량을 감당하지 못해요.
픽셀을 숫자로만 늘어놓고 보면, 어디에 무늬가 있는지 놓쳐요.픽셀의 자리(위치) 정보를 지키면서 봐야, 무늬가 보여요.
CNN은 작은 창을 조금씩 옮기며 국소 무늬를 찾아요.CNN은 이렇게 찾은 무늬들을 여러 층으로 쌓아, 사진 전체가 무엇인지 판단해요.
작은 창으로 훑기한 칸씩 옮기며 무늬를 찾아요
중요한 것만 남기기흔히 가장 강한 신호를 남겨요(풀링)
여러 겹 쌓기작은 무늬가 모여 큰 무늬가 돼요
마지막에 분류하기쌓인 무늬로 최종 판정을 내려요
합성곱·활성화·풀링을 여러 번 반복해 쌓고, 마지막에 흔히 완전연결층으로 분류해요.층이 깊어질수록, 점·선 같은 작은 무늬가 사과 모양 같은 큰 무늬로 자라요.
CNN은 사진·무늬엔 강하지만, 사람처럼 '이해'하는 건 아니에요.그래서 CNN의 판정은 적대적 공격 같은 미세 조작에 여전히 흔들려요.
한 줄로
CNN = 사진을 작은 창으로 조금씩 훑으며 국소 무늬를 찾고, 그걸 쌓아 올려 사진 전체를 판단하는 신경망.
CNN(Convolutional Neural Network, 합성곱 신경망)은 작은 필터(커널)를 입력 전체에 슬라이딩하며 국소적인 무늬(엣지, 색 패치 등)를 찾아내는 합성곱 연산을 핵심으로 하는 신경망이에요. 합성곱→활성화→풀링을 여러 층 쌓으면서, 얕은 층은 단순한 무늬를, 깊은 층은 복잡한 모양을 인식하게 돼요. 이미지·영상 분류에서 특히 강력하지만, 픽셀 단위 패턴에 의존하는 특성 때문에 적대적 예제 같은 미세 조작에는 여전히 취약해요.
어른들은 이렇게 불러요
- CNN
CNN - 작은 창으로 조금씩 살펴보는 눈. 합성곱이라는 연산이 핵심이에요.
- 합성곱
Convolution - 작은 필터를 조금씩 옮기며 훑는 연산. 국소 무늬를 찾아내는 핵심 동작이에요.
- 필터(커널)
Filter (kernel) - 무늬를 찾는 작은 점선 창. 엣지·색 패치 같은 서로 다른 무늬를 찾는 필터가 여러 개 있어요.
- 특징맵
Feature map - 무늬가 있던 자리만 밝게 남은 작은 지도. 합성곱 한 번이 끝나면 나오는 결과물이에요.
- 풀링
Pooling - 지도를 줄이는 것. 흔히 가장 강한 신호를 남겨요. 계산량을 줄이고, 판정이 작은 위치 차이에 덜 흔들리게 해요.
- 층(레이어)
Layer - 작은 무늬가 쌓여 큰 무늬가 되는 단계. 얕은 층은 단순한 무늬를, 깊은 층은 복잡한 모양을 봐요.
- 완전연결층
Fully connected layer - 쌓인 무늬를 모아 최종 분류를 내리는 층. 흔히 CNN의 맨 끝에서 분류함을 정해요.
- 적대적 예제
Adversarial example - 픽셀 무늬만 보는 약점을 파고드는 공격. 픽셀 무늬에 기대는 CNN이 여전히 속는 공격이에요. → 작물에 몰래 붙인 가짜 점무늬
다음 이야기
저울 눈금을 S자 곡선에 넣어 보기 →