데브허브 | DEVHUB | [딥러닝 프로젝트] 2강. 합성곱 신경망(CNN) | ②패션 상품 이미지 분류하기[딥러닝 프로젝트] 2강. 합성곱 신경망(CNN) | ②패션 상품 이미지 분류하기
- 딥러닝 강의 1장 3절로, 패션 상품 이미지 분류를 목표로 함. 👕
- 얀 르쿤 박사가 개발한 LeNet-5 모델을 케라스로 직접 구현하고 훈련하는 예제. 🧠
- LeNet-5는 딥러닝 4대 대부 중 한 명인 얀 르쿤이 미국 우편 번호 인식에 사용했던 모델. ✉️
- 입력은 28x28 흑백 이미지(깊이 1), 출력은 0-9까지 10개 클래스. 🖼️
- 기본적인 합성곱-풀링-합성곱-풀링-밀집층 구조를 가짐. 🏗️
- 오리지널 LeNet-5와 달리 케라스 구현에서는 일반 풀링층과 소프트맥스 활성 함수를 사용. 🔄
- Keras 3부터는 명시적인
Input 층을 사용하여 입력 크기를 지정. 🆕
- 활성 함수로 시그모이드를 사용하나, 현대에는 렐루(ReLU) 함수가 더 선호됨. 📈
- 합성곱층 및 밀집층의 파라미터 개수 계산 원리를 상세히 설명. 🔢
- 패션 MNIST 데이터셋을 활용하여 이미지 스케일링 및 훈련/검증 데이터 분할. 📊
ModelCheckpoint로 최적 모델 저장, EarlyStopping으로 과대적합 방지 및 조기 종료. 💾🛑
- 손실 함수는 정수 레이블 다중 분류를 위한
SparseCategoricalCrossentropy 사용. 📉
- 훈련 결과, 손실 감소 및 정확도 상승을 확인하며, 검증 세트에서 과대적합 징후 관찰. 📉📈
- 복잡한 모델 학습 전 CNN 기본 구조를 복습하고 워밍업하는 과정. 🚀
- 모든 예제 코드는 GitHub 주피터 노트북 및 코랩에서 실행 가능. 💻