CNN

AI 개념
약 1분 읽기

합성곱 계층으로 이미지의 지역 패턴을 학습하는, 영상 인식에 특화된 딥러닝 신경망 구조입니다.

다른 이름
합성곱 신경망Convolutional Neural Network

상세 설명

CNN(Convolutional Neural Network, 합성곱 신경망)은 이미지·영상 처리에 특화된 딥러닝 아키텍처입니다. 합성곱(Convolution) 계층이 작은 필터를 이미지 전체에 훑으며 엣지·텍스처·형태 같은 지역적 패턴을 단계적으로 학습하고, 풀링(Pooling) 계층이 특징을 압축해 위치 변화에 강인하게 만듭니다. 이렇게 추출한 특징을 분류기에 연결해 최종 판단을 내립니다. 이미지 분류, 객체 탐지, 얼굴 인식, 의료 영상 분석, OCR의 글자 인식 등에 폭넓게 쓰이며, ResNet·VGG·EfficientNet 등 대표 아키텍처가 있습니다.

도구 선택에서 중요한 이유

이미지 분류·검수·인식 도구 상당수가 CNN을 토대로 동작합니다. 구조를 직접 다룰 일은 적지만, 도구가 어떤 입력 해상도와 객체 크기에서 잘 작동하는지, 추론을 기기 내부(온디바이스)에서 돌릴 만큼 가벼운지는 CNN 기반 모델의 특성과 연결됩니다. 이를 알면 실사용 환경에 맞는 비전 도구를 고르기 쉬워집니다.

도구를 고를 때 확인할 점

  • 처리할 이미지의 해상도·객체 크기에서 정확도가 검증됐는가
  • 온디바이스(모바일·엣지) 추론을 지원할 만큼 모델이 가벼운가
  • 분류·탐지·세분화 중 실제 필요한 작업을 지원하는가
  • 학습에 쓰인 데이터가 적용 도메인(예: 의료·산업)과 맞는가

실제 적용 예시

제조 라인에서 제품 사진을 찍어 불량을 자동 선별하는 검수 도구가 대표적입니다. CNN이 정상품 패턴을 학습해 흠집·이물을 구분하는데, 카메라 해상도와 결함 크기에 맞춰 모델을 고르지 않으면 작은 결함을 놓치므로 사전 검증이 중요합니다.

관련 용어

딥러닝컴퓨터 비전OCR