데이터가 적고, 난이도가 낮을 경우 딥러님보다 다른 방법이 더 좋을때도 있다.
딥러닝에서 중요한 네트워크가 몇개 있다.
1)DNN
2)CNN-
영상처리에 특화가 됬다.
트랜스포머 네트워크가 요즘은 CNN보다 영상처리에 특화되는 경향이 있다.
3)RNN-
자연어 처리와 음성 처리에 대부분을 처리하는 네트워크 이다.
현재는 트랜스포머 네트워크가 가장 좋다.
하지만 트랜스포머는 RNN을 기반으로 만들어진다.
4)GAN
메핑과 확률 분포에 입각해서 데이터를 샘플링 한다는 의미이다.
-딥 제너레이티브 모델이라고 한다.
5)딥러닝 네트워크중에서 어텐션 모델이라는 것이 있다.
트랜스 포머 네트워크 이다.
이런 네트워크 들이 CNN과 결합이 된다.
CNN-
대부분의 cnn은 4차원의 구조로 이루어진다.
아주 가끔 5차원이 들어온다. 이건 cnn이 rnn의 역할을 하면 그렇다.
레이어 구성:
1)convolution
2)pooling (high dimension feature를 더 작은 dimension으로 줄이는 방식이다)
인식할때는 max pooling이 왠만하면 더 좋다고 한다.
global average pooling,
3)fully-connected 레이어로 타깃 테스크를 하는 방식이다.
4)batch/dropdout
5)skip connection(resnet)
6)ROI pooling은 detection 할때 주로 사용이 된다.
이걸 잘 조합해서 영상처리에 사용이 된다.
P는 아웃풋 채널을 이야기 한다.