이미지에서 패턴을 감지하는 필터

CNN에서 필터는 합성곱 연산을 수행하는 작은 행렬을 의미합니다.

이미지 속에서 의미 있는 패턴을 감지하며, 커널(Kernel)이라고도 불립니다.

필터는 작은 크기의 행렬 형태로 구성되어 있으며, 이미지의 특정한 영역을 분석해 가장자리, 색상 변화, 질감 등의 특징을 추출합니다.

필터는 이미지의 픽셀 값과 연산을 수행하여 새로운 특징을 추출합니다.

필터를 적용할 때는 작은 크기의 필터(예: 3×3 또는 5×5)를 이미지 위를 일정한 간격으로 이동하며 연산을 수행합니다.

1. 필터 적용: 이미지의 특정 부분을 선택하고, 필터의 값과 곱한 후 더합니다.

2. 새로운 특징 맵 생성: 필터가 이동하면서 원본 이미지의 특정 패턴을 강조한 새로운 이미지를 만듭니다.

3. 여러 개의 필터 사용: 다양한 필터를 적용하여 각기 다른 특징을 감지합니다.

예를 들어 가장자리 감지 필터는 이미지에서 사물의 윤곽선을 강조하고, 원래 이미지에서 흐릿했던 윤곽이 더욱 뚜렷하게 나타납니다.

필터는 이미지에서 특정한 특징을 강조하거나 제거합니다.

주요 필터의 역할은 다음과 같습니다.

• 가장자리 감지 필터: 이미지에서 선과 모양을 강조하여, 사물의 경계를 더욱 선명하게 만듭니다. (예: 글자의 윤곽 감지)

• 블러(흐림) 필터: 노이즈를 줄이거나 배경을 부드럽게 만드는 데 사용됩니다. (예: 사진 내 불필요한 작은 요소 제거)

• 강조 필터: 특정한 패턴(예: 얼굴의 눈, 코, 입)이나 색상의 변화를 더욱 뚜렷하게 만듭니다.

CNN은 이러한 필터를 여러 개 조합하여 사용하며, 깊은 신경망에서는 더욱 복잡한 필터가 학습되면서 더욱 정교한 특징을 감지합니다.

일반적인 신경망에서는 이미지의 모든 픽셀을 개별적으로 분석해야 하지만, CNN에서는 필터를 이용하여 중요한 패턴만 선택적으로 분석할 수 있습니다.

이를 통해 연산량을 줄이고, 이미지의 공간적 구조를 유지하면서 학습할 수 있습니다.

다음 수업에서는 지금까지 배운 내용을 바탕으로 간단한 퀴즈를 풀어보겠습니다.