머신 러닝) 필터와 커널

이번 글에서는 필터와 커널에 대해서 알아보겠다.

AI에게 물체에서 고양이가 있는지 없는지 판단하라고 말하려면 어떡해야 할까?

어떤 공간 안에 고양이의 특징이 담긴 구역을 판단하면 좋을 것 같다.

 

필터

이렇게 고양이를 포착하기 위해서 만드는 구역을 필터 또는 커널이라고 부른다.

커널의 크기는 저 공간의 크기를 말하며, 너무 작으면 특징이 드러나지 않기에 안되고

너무 크면 귀, 꼬리처럼 세부 특징을 파악하기 어려우므로 적절한 크기가 중요하다.

 

책에서 본 예시로는 마치 도장을 찍듯 특징을 파악한다는 말이 있다.

데이터 라벨링에서 구역을 나누듯 이것도 비슷한 원리인 것 같다.

 

model = keras.Sequential()
model.add(keras.layers.Conv2D(32,kernel_size=3,activation='relu',padding='same', input_shape=(32,32,3)))

 

tensorflow의 keras에서 keras.layers.Conv2D의 매개변수로 kernel_size가 등장하는 것을 볼 수 있다.

이렇게 다양한 곳에서 매개변수로 크기가 주어지니까 알아둬야 할 것이다.

 

머신 러닝은 보면 볼수록 인간을 모방하는 기술들인 것 같다. 우리도 저렇게 판단하는 경우가

많지 않은가? 숨은 그림 찾기와도 비슷하다. 큰 구역에서 작은 특징을 찾는다.

인간을 흉내내기 위한 컴퓨터의 기술이라... 구현되는 것이 신기하다.

---

이상으로 도움이 되었길 바라며,

 

끝.