코드를 읽고 설명하면, 합격합니다
이 레슨과 관련된 학습 키워드
합성곱 신경망(CNN) — 이미지를 이해하는 네트워크 → 고급 CNN 아키텍처
다중 스케일 특징 추출을 위한 병렬 경로를 가진 inception 블록을 구축합니다.
다중 스케일 문제란?
\text{수용 영역 (Receptive Field)} = (k-1) \times L + 1 (k: 필터 크기, L: 레이어 수)
인셉션 모듈은 이 문제를 한 레이어에서 여러 필터를 병렬로 적용해 해결합니다.
왜 중요한가? 하나의 이미지에서 고양이의 눈(작은 특징), 얼굴(중간 특징), 전체 몸(큰 특징)은 서로 다른 크기의 수용 영역(receptive field)을 필요로 합니다. 단일 크기의 합성곱 필터만 사용하면 특정 스케일의 패턴만 포착할 수 있습니다. 3×3만 쓰면 넓은 맥락을 놓치고, 7×7만 쓰면 세밀한 디테일을 놓칩니다. Inception은 여러 크기의 필터를 병렬로 적용하여 모든 스케일의 특징을 동시에 포착하며, 이것이 단일 필터 크기 네트워크보다 일관되게 좋은 성능을 보이는 이유입니다.
Inception 모듈은 Szegedy 등이 제안한 멀티스케일 특징 추출 구조로, 1×1, 3×3, 5×5 합성곱을 병렬 적용한다 (Szegedy et al., 2015).
인셉션 모듈을 배울 거예요. 먼저 왜 필요한지, 다중 스케일 문제부터 봅시다.
그림 왼쪽에 입력 이미지가 있어요. 224 곱하기 224 크기의 컬러 사진이에요.
이 이미지 안에는 크기가 완전히 다른 특징들이 섞여 있어요.
눈, 코, 입처럼 작은 부분도 있고, 얼굴 전체 윤곽처럼 큰 구조도 있어요.
가운데 위쪽 파란 상자를 보세요. 3 곱하기 3 필터는 수용 영역이 좁아서 edge나 corner를 잡아요.
주황색 상자를 보면, 5 곱하기 5 필터는 텍스처나 곡선 같은 중간 크기 패턴을 감지해요.
초록색 상자를 보면, 넓은 수용 영역은 얼굴 전체나 물체 윤곽 같은 큰 구조를 포착해요.
오른쪽 보라색 영역에 현미경 비유가 있어요. 직관적으로 이해해봅시다.
고배율 400배는 세포 핵을 보는 거예요. 3 곱하기 3 필터의 edge 감지와 같아요.
중배율 100배는 조직 패턴을 봐요. 5 곱하기 5 필터의 텍스처 검출과 대응돼요.
저배율 10배는 장기 전체를 봐요. 넓은 수용 영역의 물체 인식과 같죠.
정확한 진단을 위해서는 세 배율을 모두 봐야 해요. CNN도 마찬가지예요.
오른쪽 끝에 VGG와 인셉션 비교가 있어요. 빨간 상자가 VGG예요.
VGG는 3 곱하기 3만 16에서 19층 깊게 쌓아서 간접적으로 수용 영역을 넓혔어요.
하지만 파라미터가 1억 3천8백만 개나 돼요. 그래디언트 소실 위험도 커요.
초록 상자의 인셉션 접근법을 보세요. 1 곱하기 1, 3 곱하기 3, 5 곱하기 5를 병렬 배치해요.
파라미터가 5백만 개로, VGG 대비 96퍼센트나 절감돼요. 효율이 극적으로 좋아지죠.
이게 바로 2014년 구글 연구팀, Szegedy 팀이 던진 질문이에요.
하단 파란 상자를 보세요. 핵심 질문은, 한 레이어에서 여러 스케일의 특징을 동시에 뽑을 수 없을까예요.
이 질문에 대한 답이 인셉션 모듈이에요. 이름은 영화 인셉션에서 따왔어요.
네트워크 안의 네트워크라는 의미죠. 다음 슬라이드에서 첫 번째 시도를 볼게요.