합성곱(Convolution)이란?
합성곱(Convolution)이란? 필터는 이미지를 어떻게 훑어볼까?
지난 글에서는 CNN의 필터(Filter)가 이미지 속에서 중요한 특징을 찾아내는 작은 탐지기라는 것을 알아보았습니다.
그렇다면 이런 궁금증이 생깁니다.
"필터는 이미지를 어떻게 검사할까요?"
사진 전체를 한 번에 보는 것일까요?
아니면 조금씩 움직이며 확인하는 것일까요?
그 답이 바로 합성곱(Convolution)입니다.
이번 글에서는 CNN의 핵심 계산 방식인 합성곱을 최대한 쉽게 알아보겠습니다.
합성곱은 필터를 움직이는 방법입니다
필터는 스스로 이미지를 볼 수 없습니다.
필터가 이미지를 분석하려면
사진 위를 조금씩 이동하며
모든 부분을 살펴봐야 합니다.
이처럼
필터를 한 칸씩 이동시키며
이미지를 검사하는 과정을
합성곱(Convolution)이라고 합니다.
즉,
필터는 무엇을 찾는 도구이고,
합성곱은 그 도구를 사용하는 방법입니다.
창문을 하나씩 옮겨 보는 것과 같습니다
큰 벽화를 감상한다고 생각해 보겠습니다.
벽 전체를 한눈에 보기보다,
작은 창문 하나를 들고
조금씩 위치를 바꿔가며 보면
세부적인 모양을 더 쉽게 발견할 수 있습니다.
합성곱도 같은 원리입니다.
필터는
작은 창처럼
이미지 위를 한 칸씩 이동하며
모든 영역을 차례대로 확인합니다.
한 번만 보는 것이 아닙니다
필터는
한 곳만 검사하고 끝나지 않습니다.
왼쪽 위에서 시작해
오른쪽으로 이동하고,
한 줄이 끝나면
아래로 내려가
다시 같은 작업을 반복합니다.
덕분에
귀가 왼쪽에 있든,
오른쪽에 있든,
AI는 모두 찾아낼 수 있습니다.
왜 조금씩 이동할까?
만약 필터가
사진 전체를 한 번에 본다면,
작은 특징은 놓칠 가능성이 큽니다.
하지만
조금씩 이동하면
작은 귀,
작은 눈,
작은 모서리처럼
세밀한 특징까지 확인할 수 있습니다.
사람도 책을 읽을 때
모든 글자를 한 번에 보는 것이 아니라,
한 줄씩 읽는 것과 비슷합니다.
같은 필터를 계속 사용합니다
합성곱에서 중요한 점은
필터를 계속 새로 만드는 것이 아니라,
같은 필터를 이미지 전체에 반복해서 사용한다는 것입니다.
예를 들어
귀를 잘 찾는 필터가 있다면,
사진의 왼쪽,
가운데,
오른쪽까지
모든 위치에서 같은 기준으로 귀를 찾습니다.
그래서
사진 어디에 귀가 있어도
찾아낼 수 있습니다.
여러 필터도 같은 방식으로 움직입니다
앞에서 배운 것처럼
CNN에는 하나의 필터만 있는 것이 아닙니다.
귀를 찾는 필터,
눈을 찾는 필터,
모서리를 찾는 필터처럼
여러 필터가 존재합니다.
이 필터들도
모두 같은 방식으로
이미지 위를 이동하며
각자의 특징을 찾아냅니다.
그래서
한 장의 사진에서도
다양한 특징을 동시에 발견할 수 있습니다.
합성곱이 끝나면 무엇이 남을까?
필터가
이미지 전체를 검사하면,
각 위치에서 찾은 결과들이 남게 됩니다.
하지만
이 결과는
원래 사진과는 조금 다른 모습입니다.
중요한 특징이 강하게 나타나고,
덜 중요한 부분은 희미해집니다.
이렇게
필터가 검사한 결과를 모아 만든 새로운 이미지를
특징맵(Feature Map)이라고 합니다.
다음 글에서는
이 특징맵이 무엇이고,
왜 원본 이미지와 다른 모습으로 만들어지는지 알아보겠습니다.
한눈에 정리하기
| 개념 | 쉽게 말하면 |
|---|---|
| 합성곱(Convolution) | 필터를 이미지 위에서 조금씩 움직이며 검사하는 과정 |
| 필터 이동 | 왼쪽에서 오른쪽, 위에서 아래로 반복 |
| 같은 필터 | 이미지 전체를 같은 기준으로 검사 |
| 결과 | 중요한 특징만 남기기 시작 |
즉,
합성곱은 필터를 이미지 위에서 한 칸씩 이동시키며 특징을 찾아내는 CNN의 핵심 계산 방식입니다.
마무리
합성곱은 CNN에서 필터를 실제로 사용하는 방법입니다.
필터는 이미지를 작은 영역으로 나누어 차례대로 살펴보고,
같은 기준으로 모든 위치를 검사하며
귀, 눈, 모서리 같은 중요한 특징을 찾아냅니다.
이 과정을 거치면
원본 사진 대신
특징이 강조된 새로운 결과가 만들어집니다.
그 결과가 바로 특징맵(Feature Map)입니다.
💡 오늘의 핵심
합성곱은 필터를 이미지 위에서 한 칸씩 이동시키며 모든 위치를 검사하고, 중요한 특징을 찾아내는 과정입니다.
댓글
댓글 쓰기