CNN 작동 방식 퀴즈

CNN의 첫번째 단계는 이미지를 입력받아 필터(커널)를 사용하여 이미지의 특징을 추출하는 것입니다. 이 과정은 합성곱(Convolution) 연산을 통해 이루어집니다. 이미지 입력은 어떻게 이루어지나요?

• 픽셀값으로 표현된 이미지를 입력으로 받습니다.

• 이미지는 일반적으로 높이, 너비, 채널(RGB)로 구성된 3차원 배열로 표현됩니다.

• 필터는 작은 크기의 가중치 행렬입니다.

• 합성곱 연산은 필터가 입력 이미지를 슬라이딩하면서 이루어집니다.

ReLU는 음수값을 0으로 만들고, 양수값은 그대로 유지하는 간단한 함수입니다. ReLU 함수의 정의는 무엇인가요?

• ReLU(x) = max(0, x)

• ReLU(x) = x^2

• ReLU(x) = x + 1

• ReLU(x) = 0

ReLU 활성화 함수의 목적은 무엇인가요?

• 신경망에 비선형성을 추가한다.

• 음수값을 0으로 만든다.

• 양수값은 그대로 유지한다.

• 계산 효율성을 높인다.

Pooling의 목적은 무엇인가요?

• 특징 맵의 크기를 줄인다.

• 중요한 정보만 남긴다.

• 계산량을 줄인다.

• 이미지의 작은 변화에 덜 민감하게 만든다.

MaxPooling과 AveragePooling의 차이점은 무엇인가요?

• MaxPooling은 가장 큰 값을 선택한다.

• AveragePooling은 평균값을 계산한다.

• 둘 다 특징 맵의 크기를 줄인다.

• 둘 다 과적합을 방지한다.

특징 맵 생성 과정에서 필터는 어떤 역할을 하나요?

• 이미지를 픽셀 값으로 입력한다.

• 특정 패턴을 감지한다.

• 특징을 추출한다.

• 모든 정보를 남긴다.

반복적인 특징 추출의 목적은 무엇인가요?

특정 영역의 평균 값을 계산하여 출력

• Average Pooling

• Max Pooling

특정 영역에서 가장 큰 값을 선택하여 출력

• Average Pooling

• Max Pooling

풀링의 역할

• 정보 압축

• 특징 맵 크기 감소