딥러닝에서 주로 이미지나 영상 데이터를 처리할 때 쓰임
Convolution이라는 전처리 작업이 들어가는 Neural Network 모델
다층 퍼셉트론 신경망 (MLP)는 모든 입력값을 flatten 시켜서 한줄 데이터로 만들어야 하는데
이 과정에서 이미지의 공간적/지역적 정보(spatial/topological information)가 손실됨.
-고유 이미지의 생김새 정보를 사용할 수 없음.
-픽셀 하나하나의 변화에 상당히 미감함.
-픽셀 한두개 의 정보에도 미감하게 반응하기 위해 많은 변수를 모델 안에 가지고 있음 → 모델의 크기를 크게 만들어, 학습시간이 오래걸리며 과대적합된 모델이 되기 쉬움
또한 추상화과정 없이 바로 연산과정으로 넘어가 버리기 때문에 학습시간과 능률의 효율성이 저하됨.
CNN은 이미지를 날것(raw input) 그대로 받음으로써 공간적/지역적 정보를 유지한 채 특성(feature)을 보존함. CNN의 중요 포인트는 이미지 전체보다는 부분을 보는 것, 그리고 이미지의 한 픽셀과 주변 픽셀들의 연관성을 살리는 것.