CNN 코딩 기초

 

 

 

CNN (Convolution Neural Network)

• 합성곱 신경망
• convolution층과 pooling층을 포함하는 신경망

 

반복[conv층 -> pooling층] -> fully connected층

• conv층 : 이미지의 특징을 추출하는 계층
• pooling층 : 특징의 일부분만 취하는 계층 (max pooling을 가장 많이 씀)

 

합성곱 계산

 

conv층 (합성곱 계층)

• feature map을 만들고 그 feature map을 선명하게 해주는 층
• image : 1,3,3,1 (이미지갯수, 높이, 너비, 색수)
• filter : 2,2,1,1 (높이,너비,색수,필터수)
• striide : 1x1
• padding : valid

 

입력데이터 (3, 3)

1	2	3
4	5	6
7	8	9

 

filter (2, 2)

1	1
1	1

 

합성곱 결과 (2, 2)

1*1+1*2+1*4+1*5=12	1*2+1*3+1*5+1*6=16
1*4+1*5+1*7+1*8=24	1*5+1*6+1*8+1*9=28

  input - filter            3 - 2

---------------- + 1  = --------- + 1 = 2    

      stride                    1

 

---

 

CNN (conv->polling) 구현하기

# 라이브러리 불러오기 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt
# 대화형 처리 # 세션을 열고 닫지않아도 바로바로 처리하게 만듬 sess = tf.InteractiveSession()
# 인풋 이미지 만들기 image = np.array([[[[1],[2],[3]],                         [[4],[5],[6]],                         [[7],[8],[9]]]],dtype=np.float32)
# 이미지 모양 확인 image.shape
# 인풋 이미지 확인 plt.imshow(image.reshape(3,3))
# 필터 만들기 filter = np.array([[[[1.]],[[1.]]],                    [[[1.]],[[1.]]]]) filter.shape
# 필터 이미지 확인 plt.imshow(filter.reshape(2,2))
# 합성곱층 # padding='VALID' : 패딩을 사용하지 않음 conv2d = tf.nn.conv2d(image,filter,strides=[1,1,1,1],padding='VALID')
# 합성곱 실행 conv2d_img = conv2d.eval()
# 결과값의 모양 확인 conv2d_img.shape
# 결과값을 원하는 형태로 reshape conv2d_img.reshape(2,2)
# 결과값 이미지로 확인 plt.imshow(conv2d_img.reshape(2,2))
# pooling층(max_pool) # 이미지중에 가장 큰값을 뽑아냄 pool = tf.nn.max_pool(conv2d_img,ksize=[1,2,2,1],                      strides=[1,1,1,1],padding="VALID") pool.shape pool.eval()