CNN (Convolutional Neural Network)

CNN(합성곱 신경망)은 주로 이미지나 영상 데이터를 처리하기 위해 설계된 심층 신경망 구조이다.

지역적인 특징을 추출하고 공간 정보를 보존하는 특성을 지니고 있어 컴퓨터 비전 분야에서 널리 활용된다.

(1) 기본 개념

CNN은 입력 이미지로부터 특징(feature)을 추출하기 위해 합성곱(convolution) 연산을 수행하며, 픽셀 간의 공간적 관계를 파악할 수 있다.

기본 구조는 합성곱 층 → 풀링 층 → 완전 연결 층 순으로 이루어진다.

(2) 구성 요소

• 합성곱 층: 필터(커널)를 이용해 입력에서 특징을 추출한다.
• 활성화 함수: 주로 ReLU(Rectified Linear Unit)을 사용해 비선형성을 부여한다.
• 풀링 층: 특성 맵을 축소하여 계산량을 줄이고 과적합을 방지한다. (예: 최대 풀링)
• 완전 연결 층: 최종적으로 특징을 바탕으로 분류나 회귀를 수행한다.

(3) 동작 원리

여러 개의 필터를 이용해 다양한 특징 맵(feature map)을 생성하고, 이를 축소(flatten)하여 완전 연결 층에 전달한다.

이 과정을 반복하며 계층적으로 추상적인 특징을 학습한다.

(4) 응용 분야

• 이미지 분류 및 인식
• 객체 탐지 및 분할
• 의료 영상 분석
• 자율주행차의 시각 인식
• 영상 기반 자연어 처리 (예: 이미지 캡셔닝)