CNN3 Fully Convolutional Network(FCN)의 주요 특징과 CNN 기반 분류 모델과의 차이 Semantic Segmentation과 같은 문제에서는 이미지의 모든 픽셀을 분류해야 한다.하지만 기존 CNN 기반 분류 모델은 이미지 전체를 하나의 클래스로 예측하도록 설계되어 있다.이러한 한계를 해결하기 위해 제안된 모델이 바로 Fully Convolutional Network(FCN)이다.FCN은 기존 CNN 구조를 변형하여 이미지의 픽셀 단위 예측을 가능하게 만든 모델이다.1. Fully Convolutional Network(FCN)이란 무엇인가FCN은 이름 그대로 모든 층이 Convolution 연산으로 구성된 신경망 구조이다.기존 CNN 분류 모델에서는 마지막 단계에 Fully Connected Layer가 사용되지만 FCN에서는 이 레이어를 제거하고 Convolution Layer로 대체.. 2026. 3. 15. 이미지를 모델에 입력하기 전 리사이징과 정규화 이미지를 딥러닝 모델에 입력하기 전에는 반드시 전처리 과정을 거친다.대표적인 전처리 단계가 리사이징과 정규화이다.이 두 과정은 단순한 준비 작업이 아니라 모델의 학습 안정성과 성능에 직접적인 영향을 준다.1. 리사이징을 하는 이유이미지는 크기가 제각각이다.어떤 이미지는 1024x768이고 어떤 이미지는 300x300일 수 있다.하지만 CNN 모델은 고정된 입력 크기를 요구한다.입력 크기가 다르면 모델 구조 자체가 맞지 않는다.연산 구조가 깨질 수 있다배치 학습이 불가능해진다Fully Connected 레이어 차원이 달라진다따라서 모든 이미지를 동일한 크기로 맞추는 과정이 필요하다.예를 들어 224x224로 통일하면 모든 입력이 동일한 구조로 모델에 전달된다. 리사이징이 중요한 실제 예시사전 학습된 모델을.. 2026. 2. 27. CNN을 구성하는 레이어 CNN(Convolutional Neural Network)은 이미지처럼격자 형태의 데이터를 다룰 때 자주 사용되는 신경망 구조이다.특징을 단계적으로 추출한 뒤 최종 예측을 수행하는 흐름을 가진다.이 글에서는 CNN을 구성하는 대표 레이어들이 어떤 역할을 하는지 정리한다.1. 입력(Input)입력은 모델이 처리할 원본 데이터이다. 이미지의 경우 보통 (높이, 너비, 채널) 형태로 표현된다.채널은 흑백이면 1, RGB 이미지면 3인 경우가 많다. 2. 합성곱(Convolution) 레이어합성곱 레이어는 CNN의 핵심이다. 작은 필터(커널)를 이미지 위로 이동시키며 연산해, 입력에서 의미 있는 패턴을 찾아낸다.초기 레이어: 가장자리, 방향성 같은 단순 패턴을 주로 잡는다.깊은 레이어: 질감, 부분 형태처럼 .. 2026. 2. 13. 이전 1 다음