CNN, RNN, GAN

해당 게시물은 "혁펜하임의 AI DEEP DIVE"를 수강하고 작성되었습니다.

---

https://welldonecode.tistory.com/117

Artificial Intelligence vs Machine Learning vs Deep Learning

이전 게시물에서 Deep Learning의 종류에는 CNN, DNN, GAN이 있다고 했다. 그 내용에 대해 더 자세히 살펴보자.

 

1.CNN (Convolution Neural Network)

CNN 모델은 숫자를 입력으로 받아 숫자를 출력한다.

 

이미지는 RGB값으로 3(RGB)x픽셀x픽셀 차원의 행렬로 나타낼 수 있다. (흑백이면 픽셀x픽셀 차원)

 

이런 이미지를 우리는 채널x행x열 행렬으로 표기할 것이다.

 

만약 이미지가 여러 장이라면, 개수x채널x행x렬 행렬으로 표기한다.

 

 

 

---

 

 

 

2.RNN (Recurrent Neural Network)

RNN은 연속적인 값을 입력으로 받을 수 있다.

 

CNN과 마찬가지로 숫자를 입력으로 받아 숫자를 출력한다.

 

언어의 경우 각 단어를 숫자로 임베딩 시킨 후 해당 연속된 숫자를 입력으로 사용한다.

 

 

 

---

 

 

 

3.GAN (Generative Adversarial Network)

해당 모델은 G라는 작은 네트워크와 D라는 작은 네트워크로 구성된다.

 

D는 Classification을 해서 결과를 출력하도록 하는 네트워크이다. (CNN을 갖다 쓴다.)

 

G는 D에 들어갈 입력을 생성하는 네트워크이다. 

 

만약 D가 정상 이미지는 1, 불량 이미지는 0으로 출력한다면, G는 D가 속게끔 리얼한 이미지를 만드는게 (D의 출력이 1이 나오게끔 하는) 목표이다.

 

두 네트워크의 목표가 다르기 때문에, 동시에 학습시키는 것은 불가능하다.

 

G와 D 왔다갔다 학습시키면, G,D의 능력이 올라가게 된다.

 

학습이 다 끝나면, 정상 이미지도 0.5, 불량 이미지도 0.5 출력 (D가 완전히 헷갈려서 그냥 0.5로 찍어버림) 되는 것이 목표이다. D는 오직 G를 위해 존재할 뿐이다.