TIL_CNN, RNN, LSTM

CNN, RNN, LSTM은 모두 deep learning에서 널리 사용되는 인공 신경만 구조이다. 각각의 구조는 특정한 유형의 데이터 처리에 특화되어 있는데, 이들에 대해 정리를 해 보았다.

 

CNN(Convolutional Neural Network)

• 이미지 처리에 주로 사용되는 구조.
• 합성곱층과 풀링 층을 포함하여 이미지에서 특징을 추출
• 합성곱 층이 이미지의 특징을 감지
• 풀링 층은 이미지의 크기를 줄이는 등의 작업
• 이미지 인식, 객체 감지, 이미지 분할 등 다양한 컴퓨터 비전 작업에 효과적임

 

RNN(Recurrent Neural Network)

• 순차적인 데이터나 시계열 데이터를 처리하는 데 사용
• 이전 단계의 출력이 다음 단계의 입력으로 사용되는 순환 구조를 가짐
• 순차적인 패턴을 파악하고 처리 가능
• 긴 시퀀스를 처리할 때 그 정보를 유지하지 못하는 경향이 있는 것이 단점

 

LSTM(Long Short-Term Memory)

• RNN의 한 종류
• RNN의 기억 문제를 해결하기 위해 고안된 구조
• 긴 시퀀스 데이터를 처리하면서 중요한 정보를 기억하고 오랫동안 유지 가능
• 기억 셀과 여러 개의 게이트로 구성된 복잡한 구조
• 자연어 처리 분야에서 많이 사용됨
• 문장의 의미를 파악하거나 긴 텍스트 시퀀스에서 패턴을 인식하는 데 효과적임