자동차 유무를 나타내는 레이블이 지정된 200x200 이미지 1,000,000개로 구성된 데이터 세트가 있습니다. 이미지에서 자동차 유무를 감지하는 데 가장 높은 정확도를 제공할 가능성이 있는 신경망 아키텍처 및 출력 계층 선택은 무엇입니까?

정답은 이미지 분류 작업에 가장 적합한 아키텍처와 출력 계층을 결합합니다. 심층 컨볼루션 신경망(CNN)은 이미지 데이터에서 공간 계층적 특징을 자동으로 학습하는 데 탁월하여 자동차 유무 감지와 같은 시각적 패턴 인식 작업에 매우 효과적입니다. 소프트맥스 출력 계층은 여러 클래스에 대한 확률 분포를 출력하는 데 사용되지만, 이진 분류(자동차 유무)의 경우 시그모이드 함수와 유사하게 작동하여 각 클래스에 대한 확률을 제공합니다. 오답 설명: 선형 출력 계층은 주로 회귀 문제에 사용되며 확률을 예측하는 데 적합하지 않습니다. 심층 다층 퍼셉트론(MLP)은 이미지의 픽셀을 평탄화하여 입력으로 사용하므로 이미지의 공간적 관계를 효과적으로 포착하지 못하여 CNN보다 성능이 떨어집니다.