AI & Machine Learning 퀴즈: 합성곱 신경망(CNN)

이 퀴즈는 대부분의 컴퓨터 비전을 떠받치는 모델인 합성곱 신경망(CNN)을 다룹니다. 크기 공식으로 출력 형태를 계산하고, 합성곱 층의 파라미터 수를 세고, 이미지에서 CNN이 밀집층보다 나은 이유를 설명해 봅니다.

보통 10문제 약 6분 합격 기준 80%

모드 선택

게스트로 플레이 중이에요. 로그인하면 XP와 연속 기록이 저장돼요.

예시 문제

10문제 중 1번

32x32 단일 채널 이미지가 스트라이드 1, 패딩 없는 3x3 합성곱을 통과합니다. 출력 크기는 얼마일까요?

정답 보기

A. 30x30 (W - K + 2P) / S + 1 = (32 - 3 + 0) / 1 + 1 = 30입니다. 패딩이 없으면 3x3 커널의 중심을 가장자리 픽셀에 둘 수 없으므로 양쪽에서 한 픽셀씩 줄어듭니다.

이 퀴즈에서 다루는 내용

  • 출력 크기 = floor((W - K + 2P) / S) + 1
  • 합성곱 층의 파라미터 수
  • 최대 풀링, 패딩, 스트라이드
  • 가중치 공유와 수용 영역
  • 1x1 합성곱의 용도

자주 묻는 질문

계정이 필요한가요?

아니요. 누구나 플레이할 수 있어요. 로그인하면 XP, 연속 기록, 배지, 기록이 저장돼요.

다시 풀 수 있나요?

네. 최고 점수가 저장되고, 문제와 보기는 매번 섞여서 나와요.