chapter 1 컴퓨터 비전 입문 - 6절 특징 추출

1. 특징의 개념

 특징이란 이미지에서 측정 가능하면서 특정 대상에만 해당하는 데이터이다.

 

 특징(feature)의 가장 중요한 성질은 반복성(repeatability)이다. 특정 카테고리의 특징은 해당 카테고리에 속하는 모든 대상들을 찾아낼 수 있어야 한다.

2. 좋은 특징의 조건

 좋은 특징이란 대상을 다른 대상과 쉽게 구분짓게 해주는 속성이다.

 

 가령, 바퀴는 모터사이클과 개를 명확히 구분할 수 있는 좋은 특징이다. 하지만 바퀴라는 특징만으로는 모터사이클과 자전거를 구분할 수 없다. 따라서 대부분의 경우 두 개 이상의 특징들을 이용해 대상을 분류해야 정확하게 대상을 구분할 수 있다. 추가적으로 추적과 비교가 쉽거나, 배율이나 밝기나 각도가 달라도 일관적이거나, 노이즈가 많거나 대상의 일부만 찍힌 이미지에서도 관찰이 가능하다면 더욱 좋은 특징이라 할 수 있다.

3. 특징 추출

 특징 추출은 컴퓨터 비전 파이프라인의 핵심 요소이다.

 

 특징 추출(feature extraction) 단계를 거치는 이유는 입력 이미지에 분류와 무관한 정보가 너무 많기 때문이다.  따라서 좋은 특징만을 이용해 효율적으로 데이터를 분류하기 위해서 특징을 추출하는 단계를 거친다. 딥러닝을 하기 이전에는 특징 추출을 사람이 직접 수동으로 진행했었다. 각 환경마다 좋은 특징들이 무엇인지 사람이 고민하고, 직접 추출하여 분류기에 넣었다. 하지만 딥러닝 기술이 등장하면서 특징 추출 단계가 자동화되었다.

 

 딥러닝에서는 신경망이 자동으로 특징을 추출하고 학습을 반복하며 각 특징들의 가중치를 조정해 좋은 특징과 나쁜 특징을 구별한다. 게다가 특징 추출과 분류를 모두 수행한다. 즉, 심층 신경망은 특징 추출기와 분류기의 기능을 합친 것으로 볼 수 있다. 이 점이 사람이 직접 추출한 특징을 필요로 하는 기존 머신러닝 모델과의 차이점이다.