CNN ( Convolution Neural Network) 는 무엇인가?

1. CNN의 정의

CNN(Convolutional Neural Network)은
이미지와 같은 **격자(grid) 형태의 데이터에서 공간적 특징(spatial feature)**을 효과적으로 추출하기 위해 설계된 딥러닝 모델이다.

기존의 완전연결신경망(Fully Connected Network)과 달리,
CNN은 **국소 영역(Local region)**을 기반으로 연산을 수행한다.

---

2. CNN의 핵심 아이디어

CNN의 본질은 다음 세 가지 원리에 기반한다.

1. Local Receptive Field (국소 수용 영역)
2. Parameter Sharing (가중치 공유)
3. Hierarchical Feature Extraction (계층적 특징 추출)

---

3. CNN의 구조

CNN은 일반적으로 다음과 같은 계층 구조로 구성된다.

• Convolution Layer
• Activation Function
• Pooling Layer
• Fully Connected Layer

---

4. Convolution 연산의 원리

4.1 기본 개념

Convolution은 입력 이미지 위에 작은 필터(kernel)를 이동시키면서
각 위치에서 **내적(dot product)**을 수행하는 연산이다.

4.2 수식 표현

(I∗K)(x,y)=∑m∑nI(x+m,y+n)⋅K(m,n)(I * K)(x, y) = \sum_m \sum_n I(x+m, y+n) \cdot K(m,n)(I∗K)(x,y)=∑m​∑n​I(x+m,y+n)⋅K(m,n)

의미:

• I: 입력 이미지
• K: 필터(커널)
• (x, y): 출력 feature map의 위치

---

4.3 동작 과정

1. 작은 필터를 이미지의 일부 영역에 적용
2. 해당 영역과 필터 간 element-wise 곱 수행
3. 결과를 모두 더하여 하나의 값 생성
4. 필터를 이동(stride)하며 반복 수행

결과적으로 Feature Map이 생성된다.

---

5. 핵심 구성 요소

5.1 Convolution Layer

역할:

• 입력 데이터에서 특징(feature) 추출

특징:

• 여러 개의 필터 사용 → 다양한 특징 탐지
• Edge, texture, shape 등을 학습

---

5.2 Activation Function

대표적으로 ReLU 사용

수식:
f(x) = max(0, x)

역할:

• 비선형성 추가
• 모델 표현력 증가

---

5.3 Pooling Layer

역할:

• Feature map의 크기 축소 (downsampling)

종류:

• Max Pooling
• Average Pooling

효과:

• 연산량 감소
• 과적합 방지
• 위치 변화에 대한 강건성 확보

---

5.4 Fully Connected Layer

역할:

• 추출된 특징을 기반으로 최종 분류 수행

구조:

• 일반적인 신경망(Dense Layer)

---

6. CNN의 핵심 원리

6.1 Local Receptive Field

각 뉴런은 전체 이미지가 아니라
일부 영역만을 관찰한다.

의의:

• 이미지의 지역적 패턴 학습 가능

---

6.2 Parameter Sharing

하나의 필터를 전체 이미지에 동일하게 적용

의의:

• 파라미터 수 감소
• 학습 효율 증가

---

6.3 Hierarchical Feature Learning

CNN은 계층적으로 특징을 학습한다.

• 초기 레이어 → edge, line
• 중간 레이어 → shape, texture
• 깊은 레이어 → object, semantic 의미

---

7. CNN이 이미지 처리에 적합한 이유

1. 공간 구조 유지
2. 파라미터 수 감소 (Fully Connected 대비)
3. 위치 변화에 대한 강건성
4. 자동 특징 추출 (Feature Engineering 불필요)

---

8. 전체 흐름 요약

입력 이미지
→ Convolution (특징 추출)
→ Activation (비선형성)
→ Pooling (크기 축소)
→ 반복
→ Fully Connected (분류)

---

9. 핵심 정리

• CNN은 이미지의 공간적 패턴을 학습하는 신경망
• Convolution 연산을 통해 특징을 자동 추출
• 깊어질수록 더 추상적인 특징을 학습
• 현대 컴퓨터 비전의 핵심 모델 구조