특징맵(Feature Map)이란? CNN은 이미지의 특징을 어떻게 기록할까?
지난 글에서는 필터가 이미지 위를 조금씩 이동하며 중요한 특징을 찾는 합성곱(Convolution)에 대해 알아보았습니다.
그렇다면 필터가 귀, 눈, 모서리 같은 특징을 찾은 뒤에는 무엇이 남을까요?
필터가 각 위치에서 계산한 결과는 사라지지 않습니다. 결과들이 차례대로 모여 새로운 지도를 만듭니다. 이 지도가 바로 특징맵(Feature Map)입니다.
이번 글에서는 특징맵이 무엇인지, 왜 원본 이미지와 다르게 보이는지 누구나 이해할 수 있도록 쉽게 알아보겠습니다.
특징맵은 필터가 찾은 결과를 모은 지도입니다
필터는 이미지의 한 부분을 살펴볼 때마다 자신이 찾으려는 특징이 얼마나 강하게 나타나는지 계산합니다.
예를 들어 세로선을 찾는 필터라면 세로선이 뚜렷한 위치에서는 큰 반응을 보이고, 세로선이 거의 없는 위치에서는 작은 반응을 보입니다.
필터가 이미지 전체를 훑으며 만든 반응을 위치에 맞게 모으면 하나의 격자 모양 결과가 만들어집니다. 이것이 특징맵입니다.
필터는 특징을 찾는 도구이고, 특징맵은 그 도구가 어디에서 강하게 반응했는지 기록한 지도입니다.
원본 사진과 왜 다르게 보일까?
특징맵은 원본 사진을 복사한 이미지가 아닙니다. 필터가 관심을 가진 특징만 강조한 결과입니다.
고양이 사진에 모서리를 찾는 필터를 적용하면 털의 색이나 배경보다 귀의 경계, 눈의 윤곽, 수염처럼 선이 뚜렷한 부분이 더 강하게 나타날 수 있습니다.
그래서 특징맵을 눈으로 보면 원본보다 단순하거나 낯설게 느껴집니다. 중요한 것은 사진이 예쁘게 보이는지가 아니라, AI가 필요한 특징을 얼마나 잘 드러내는가입니다.
강한 반응과 약한 반응은 무엇을 뜻할까?
특징맵의 각 칸에는 필터가 해당 위치에서 계산한 값이 들어 있습니다.
- 큰 값: 필터가 찾으려는 특징과 잘 맞는 위치
- 작은 값: 해당 특징이 약하거나 거의 없는 위치
특징맵을 그림으로 표현할 때는 큰 값을 밝게, 작은 값을 어둡게 표시하는 경우가 많습니다. 다만 색상과 밝기는 사람이 보기 쉽게 표현한 방식이며, 실제 CNN은 숫자를 이용해 계산합니다.
필터가 여러 개면 특징맵도 여러 개입니다
CNN에는 하나의 필터만 있는 것이 아닙니다. 세로선을 찾는 필터, 가로선을 찾는 필터, 곡선이나 모서리를 찾는 필터처럼 서로 다른 역할을 가진 여러 필터가 함께 동작합니다.
각 필터는 자신만의 결과를 만들기 때문에 필터가 여러 개라면 특징맵도 여러 개 만들어집니다.
같은 사진을 보더라도 어떤 특징맵은 귀의 경계를 강조하고, 다른 특징맵은 눈의 모양을 강조하며, 또 다른 특징맵은 털의 방향에 강하게 반응할 수 있습니다.
CNN은 특징맵을 어떻게 활용할까?
CNN은 한 번 만든 특징맵에서 멈추지 않습니다. 앞 단계의 특징맵을 다음 단계에 전달해 더 복잡한 특징을 찾습니다.
초기 단계에서는 선, 방향, 모서리처럼 단순한 특징을 찾고, 여러 단계가 이어지면 눈, 귀, 얼굴처럼 더 복잡한 형태를 구분할 수 있게 됩니다.
쉽게 말하면 작은 단서를 먼저 찾고, 그 단서들을 조합해 더 큰 의미를 이해하는 것입니다.
특징맵이 중요한 이유
특징맵은 원본 이미지에서 필요한 정보만 골라 다음 단계로 전달합니다.
- 특징이 나타난 위치를 기록합니다.
- 중요한 부분은 강하게, 덜 관련된 부분은 약하게 표현합니다.
- 여러 필터가 서로 다른 관점으로 이미지를 분석하게 합니다.
- 단순한 선에서 복잡한 형태로 이해를 확장하도록 돕습니다.
한눈에 정리하기
| 개념 | 쉽게 말하면 |
|---|---|
| 필터 | 특정 특징을 찾는 탐지기 |
| 합성곱 | 필터를 이미지 위에서 움직이며 검사하는 과정 |
| 특징맵 | 필터가 각 위치에서 보인 반응을 모은 지도 |
| 강한 값 | 필터가 찾는 특징과 잘 맞는 위치 |
| 여러 특징맵 | 여러 필터가 서로 다른 특징을 찾은 결과 |
마무리
특징맵은 필터가 이미지 속에서 찾은 결과를 위치별로 모아 놓은 지도입니다.
원본 사진과 모습은 다르지만, CNN이 귀, 눈, 모서리 같은 중요한 특징을 이해하는 데 필요한 정보가 담겨 있습니다. 여러 필터가 만든 여러 특징맵이 다음 단계로 전달되면서 AI는 이미지의 의미를 조금씩 더 깊게 이해합니다.
다음 글에서는 필터가 한 번에 몇 칸씩 움직이는지 결정하는 스트라이드(Stride)에 대해 알아보겠습니다.
💡 오늘의 핵심
특징맵은 필터가 이미지의 각 위치에서 얼마나 강하게 반응했는지를 기록한 결과이며, CNN이 중요한 특징을 다음 단계로 전달하는 지도입니다.
댓글
댓글 쓰기