딥러닝 주요 모델 CNN vs. RNN 개요 및 실생활 예시

 

CNN(Convolutional Neural Network)

2차원 이상의 입력을 받기 위해 만들어졌다. 주로 시각 정보 학습(visual information learning)에 사용되는 인공신경망이다.

 

 

 

RNN(Recurrent Neural Network)

시간 정보를 가지는 벡터를 다룬다. 시간의 지남에 따른 경과를 담는다. 예를 들어 주식 가격 예측, 비트코인 가격 변동 같은 것이 있으며, 시계열 정보 처리(time-series information learning)를 위해 사용되는 인공신경망이다.

 

 

 

CNN이 사용되는 경우(Visual Learning)

- Object Recognition : 사물을 알아맞추는 것 (ex. 자동차를 바운딩박스 처리)

- Object Identification : 사물의 특성을 알아맞추는 것

- Face Identification : 사람의 특성을 알아맞추는 것 (ex. 사람이라면 '저 얼굴은 홍길동이다'까지 알아맞춤)

- Style Transfer : 기존의 스타일을 학습해서 새로운 그림을 해당 스타일로 변형 (ex. 화가의 화풍을 새로운 그림에 적용함)

- Deblurring and Denoising : 흐림 및 노이즈를 제거

- Super-Resolution : 저해상도 이미지의 해상도를 높이는 것

 

 

 

RNN이 사용되는 경우(Speech/Language Learning)

- Speech Recognition :  말을 인식해서 내용이나 감정을 알아맞추는 것

- Machine Translation : 번역기

- Information Retrieval : 정보 검색 (ex. 검색엔진) (비지도학습 Unsupervised Learning)

 

 

 

+Extra Model

GAN(Generative Adversarial Network)

Training both of generator and discriminator, and then generates samples which are similar to the original samples. 최근 10년 내에 가장 혁신적인 딥러닝 기술이라고 한다. 예를 들어, 작곡 AI, 안무 AI에 GAN이 사용된다.

 

 

 

---