Day_12. 기말고사 & CNN & GAN

CNN의 전체구조
=초기 CNN 형태로 LeNet-5 형태가 있음
=C-P-C-P-C 의 5층을 통해 28*28의 명함을 120차원의 구조로 변환
=C-P-C-P-C-Fully Connected-Softmax 함수를 사용했음
=구조는 크게 문제되지 않음 Convolution – Convolution 만으로 구성해도 문제되지 않음

=역전파등의 단계를 거치면 Filter(커널)의 값이 바뀌게 된다
=filter는 역할이 세분화되고 고급 기능을 가진다


Image net
=20000개의 분류에 대해 분류별로 500~1000장의 이미지로 구성되어 있는 이미지 데이터셋


CNN 발전역사
=초기 – 이미지 판독이 대다수
=현재 – 영상을 인식하는 기술까지 발전해 영상에서 object를 찾아서 영역을 지정 할 수 있는 형태까지 발전


Deep Learning 이 강력한 이유
=고전적 방법 – 분할 – 특징추출 – 분류 를 따로 구현뒤 이어붙힌다
=새로운 방식 – 전체과정을 동시에 최적화(통째학습, end to end learning 이라 부름)
=많은 은닉층에 따른 표현력의 증가(hidden layer가 많으면 많을수록 전체 표현력이 좋아짐

=더 많은 노드를 통해 곡선의 표현이 완만히 잘 표현가능하다
=계층적 특징


Data별 특징

스냅샷성 data	이미지, 영상 = CNN
시퀀스성 data	음성, 언어, 주식가격, 언어적 맥락=RNN LSTM 사용

semi supervised learning
=전체중 x,y 모두 제공되는게 아닌 x는 모두, y는 일부 제공되는 것
=소실된 y값의 공간을 채워주는 방식의 학습