CNN 합성곱 신경망이 이미지를 인식하는 원리 쉽게 이해하기

핵심 메시지

• CNN은 깊은 신경망과 커널 합성곱(소벨 에지 검출 등)을 결합한 구조다.
• 고화질 이미지를 픽셀 그대로 일반 신경망에 넣으면 노드 수가 폭발해 계산이 불가능하므로, 전통적으로는 사람이 특징을 미리 뽑아 넣었다.
• CNN은 어떤 특징이 중요한지(에지·코너 등)를 사람이 지정하지 않고 데이터로부터 스스로 학습한다.
• 여러 합성곱 층을 쌓아 특징의 조합을 만들고, 마지막에는 공간 정보가 사라진 특징들만 남아 분류에 쓰인다.
• 학습은 역전파로 가중치를 거꾸로 조정하며 이뤄지고, 2012년 이미지넷 적용 이후 CNN이 크게 주목받았다.

쉽게 이해하기

합성곱 신경망(CNN)은 깊은 신경망과 커널 합성곱이라는 두 아이디어를 합친 모델이다. 커널 합성곱은 소벨 에지 검출이나 가우시안 블러처럼 작은 필터를 이미지 위로 훑어 특정 패턴을 강조하는 영상처리 기법으로, CNN은 이 연산을 신경망의 학습 단위로 끌어들인다.

일반적인 완전연결 신경망은 집값 예측처럼 방 개수·수영장 유무 같은 입력을 받아 복잡한 비선형 조합으로 결과를 만든다. 하지만 이미지를 다룰 때 700만 화소를 픽셀 단위로 그대로 입력하면 다음 층까지의 연결 수가 감당할 수 없을 만큼 커진다. 그래서 전통적 방식은 이미지에서 일부 특징만 계산해 넣었다.

CNN의 핵심은 이 특징을 사람이 고르지 않고 학습으로 찾는다는 점이다. 첫 층에서 60여 개의 서로 다른 커널을 적용하면 어떤 것은 에지를, 어떤 것은 코너를 강조하는 식으로 다양한 특징 지도가 만들어진다. 강연자는 자신이 그 필터를 직접 정한 것이 아니라 신경망이 스스로 학습했다고 강조한다.

깊은 신경망답게 이 특징들 위에 다시 특징을 쌓아 에지와 코너의 조합 같은 더 복잡한 패턴을 만든다. 커널 창이 이미지를 미끄러지며 새 출력 이미지를 만들고, 메모리를 아끼려 크기를 줄이기도 한다. 결국 공간 정보는 모두 사라지고 “무엇이 있는가”만 남은 특징들이 마지막 신경들로 이어진다.

출력층은 예를 들어 “이것이 마이크의 얼굴인가”에 1 또는 0을 내놓고, 라이브러리에 구현된 역전파로 가중치를 거꾸로 조정하며 학습한다. CNN은 2012년 이미지넷 대회에 적용되며 뛰어난 성능을 보인 뒤 폭발적으로 발전했다.

주요 인사이트

• 전통적 기계학습이 “사람이 특징을 설계해 넣는” 방식이라면, CNN은 “어떤 특징이 유용한지까지 학습하는” 방식이라는 점이 결정적 차이다.
• 합성곱 층을 거듭 쌓으면 단순한 에지·코너에서 시작해 점점 추상적인 패턴의 조합으로 올라가며, 사람은 그 중간 표현이 무엇을 뜻하는지 정확히 알기 어렵다.
• 강연자의 뿌리 끝(root tip) 검출 사례에서 직접 설계한 저수준 특징 방식은 약 70% 정확도였지만, 학습시킨 CNN은 98% 정확도를 보였다.
• CNN이 만능은 아니며, 신경망을 설계·학습시키고 이미지를 준비하는 전문성이 필요하고, 문제에 따라 다른 도구와 함께 쓰는 편이 낫다.

자주 묻는 질문

관련 AI 소식