인공신경망의 한계: 공간적 정보를 평탄화 시켜버린다. 따라서 너비와 높이를 가진 이미지에 대해 적합하지 못하다. 따라서 공간적 정보를 유지하기 위해, CNN을 사용한다.

---

<CNN의 구조>

합성곱 계층Convolution Layer

커널(Kernel) 혹은 Filter 스트라이드(Stride)

패딩이 성능에 별 악영향을 미치지 않는 이유는 간단하다. 컴퓨터 입장에서 0으로 주변을 쭉 깔아두는 것은, 그냥 윤곽선을 그려주는 거랑 완전히 똑같다. 인간도 캐릭터를 선명하게 보기 위해 윤곽선을 그리고, 그림을 포커싱하기 위해 액자를 씌우고, 그러지 않는가? 사람 또한 가장자리를 잘 못보는 것은 다르지 않다.

앞선 ANN과 유사하게, 이전 층의 필터(커널)수에 따라 출력되는 층의 수가 결정되고, 이것이 채널 수가 된다.

풀링계층Pooling Layer

학습을 위한 것이 아닌, 데이터의 크기를 압축하기 위한 계층. ex) 최대 풀링, 평균 풀링

압축을 한다는 것은, 입력 데이터의 사이즈를 줄이는 것을 의미한다. 아래 그림은 풀링 방법 중에 하나인 맥스 풀링이다.