오토 인코더 기초개념

오토인코더 개념

• 지금까지의 신경망의 주 목표는 입력에 대한 출력을 학습한 뒤 학습과정에서 보지 못했던 새로운 입력에 대해서도 알맞은 정답을 출력하는 것이 목표였다.
• 오토 신경망은 자기 자신을 재생성하는 신경망이다.
• 오토 신경망도 결국 입력에 대한 출력을 학습해야 하지만, 출력이 입력과 동일하다는 점이 특이하다.

---

오토 인코더의 구조

• 인코더 - 잠재변수(latent vector) - 디코더로 구성된다.
• 인코더에선 컨볼루션 레이어와 풀링 레이어를 통해 입력값에 대한 특징을 추출해서 일차원벡터로 만든다.
• 이러한 일차원 벡터가 '잠재변수((rating vector)'이다.
• 디코더는 압축된 일차원 벡터 잠재변수를 해석해 다시 입력 데이터와 같아지도록 만든다.

---

오토 인코더의 필요성

• 오토인코더는 잠재변수를 입력으로 디코더를 통해 이미지를 생성할 수 있다.
• 최근 많은 활용성으로 주목받고 있는 적재적 생성모델(GAN)의 '생성자'에서도 랜덤하게 생성된 변수를 잠재변수와 같이 활용해 새로운 이미지를 얻기도 한다.
• 인코더가 잠재변수를 만드는 과정에서 주요 정보만 데이터에 포함시키고 나머지 주변 픽셀을 포함시키지 않기 때문에 노이즈를 제거하는 효과도 얻을 수 있다. (모자이크 사진을 고해상도로 변경)