본문 바로가기

인공지능 공부

 (28)
chapter 1 인공지능 딥러닝의 이해 - 1절 인공 신경망의 이해 - 2항 인공 신경망의 학습 방법 인공 신경망은 전통적인 알고리즘들과 달리 프로그래머의 의도대로 작업하도록 프로그램 되거나 구성될 수 없다. 인공 신경망은 하나의 일을 수행할 방법을 직접 학습해야 한다. 일반적으로 인공 신경망의 학습 방법에는 3가지 전략이 있다. 지도 학습 미리 알려진 결과들이 있는 충분히 많은 데이터가 있을 때 사용하는 방법이다. 입력 데이터를 처리한 뒤, 알려진 결과와 비교하고 인공 신경망을 수정하는 과정들을 반복하며 학습하는 방법이다. 비지도 학습 입력 값이 목표 값과 같을 때 사용하는 학습 방법이다. 즉, 입력 값을 그대로 기억해 내야 할 때 사용하는 학습방법이다. 강화학습 인공 신경망이 익숙하지 않은 환경에서 이익이 되는 동작을 취할 확률을 높이고, 손해가 되는 동작을 취할 확률을 낮춰야 할 때 사용하는 학습 ..
chapter 1 인공지능 딥러닝의 이해 - 1절 인공 신경망의 이해 - 1항 인공 신경망이란? 1. 인공 신경망의 개념 인공 신경망은 인간의 중앙 신경계로부터 영감을 받아 만들어졌다. 인공 신경망(artificial neural networks, ANN)은 커다란 망으로 함께 연결되어 있는 인공 신경을 기반으로 구성된다. 각각의 인공신경은 간단한 신호를 처리 할 수 있는 구조로 만들어져 있다. 2. 인공 신경망의 활용 분야 얼굴 확인하기 음성 인식하가 손 글씨 일기 문장 번역하기 게임 하기 자동차나 로봇 제어하기 3. 인공 신경망의 구조 인공 신경망은 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성된다. 심층 학습 신경망 심층 학습 신경망(deep learning neural network, DNN)은 은닉층이 2개 이상인 신경망이다. 이..
chapter 1 컴퓨터 비전 입문 - 8절 마치며 사람의 시각 시스템과 컴퓨터의 비전 시스템은 모두 감지 장치와 해석 장치로 구성된다. 해석 과정은 데이터 입력, 데이터 전처리, 특징 추출, 모델 생성으로 구성된다. 이미지를 x와 y의 함수 형태로 나타낼 수 있다. 컴퓨터는 픽셀값의 행렬 형태로 이미지를 이해하며, 회색조 이미지는 채널이 1개, 컬러 이미지는 채널이 3개이다. 이미지 처리 기법은 데이터셋과 해결하려는 문제의 종류에 따라 달라진다. 특징은 이미지에 실린 대상을 분류하기 위해 사용하는 속성이다. 심층 신경망의 마지막 층이 분류기 역할을, 나머지 층이 특징 추출기 역할을 한다.
chapter 1 컴퓨터 비전 입문 - 7절 분류 학습 알고리즘 신경망의 마지막 층이 분류기 역할을 한다. 이미지를 행렬 형태로 입력하고 전처리한 뒤 특징을 추출했다면, 이제 남은 것은 그 이미지 속의 대상을 분류하는 것이다. 분류란 이미지 속 대상이 속하는 레이블을 출력하는 행위이다. 6장에서 살펴봤듯이 심층 신경망은 특징 추출기와 분류기 역할을 모두 수행한다. 심층 신경망은 2개 이상의 층을 가진 신경망이고, 층이 많으면 많을 수록 데이터셋에서 더 많은 특징을 학습할 수 있다. 딥러닝이라는 이름이 바로 여기서 유래했다. 그리고 신경망의 마지막 층이, 바로 분류기 역할을 한다.
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 이미지에서..
chapter 1 컴퓨터 비전 입문 - 5절 이미지 전처리 1. 이미지 전처리의 필요성 이미지 전처리는 필수적이다. 머신러닝 프로젝트에서는 보통 데이터 전처리나 데이터 클리닝 단계가 필수적으로 포함된다. 비전 시스템에서도 마찬가지이다. 일부 머신러닝 알고리즘에서는 데이터를 학습하기 위해 데이터셋을 일정한 형태로 표준화하는 작업이 필요하다. 가령 CNN에서는 데이터셋의 이미지를 모두 같은 크기로 조정해야 한다. 또한 비전 시스템의 정확도를 높이거나 계산 복잡도를 낮추기 위해 불필요한 정보를 제거해야 하는 경우도 있다. 가령 이미지에서 대상을 인식하는 것이 목표라면 회색조 이미지로도 충분하므로 색을 제거하는 것이 효율적이다. 따라서 우리는 적절한 이미지 전처리를 통해 정확하고 효율적인 비전 시스템을 구축할 수 있다. 2. 이미지 전처리의 종류 이미지 표준화 일부 머..
chapter 1 컴퓨터 비전 입문 - 4절 이미지 입력 1. 회색조 이미지의 표현 이미지는 2차원 영역을 정의하는 두 변수 x와 y의 함수 형태로 나타낼 수 있다. 디지털 이미지는 픽셀(pixel)을 기본 단위로 이루어져 있다. 컴퓨터는 모든 이미지를 이미지를 구성하는 각 픽셀들의 빛의 강도(intensity light)를 나타내는 행렬로 이해한다. 그리고 빛의 강도는 0부터 255 사이의 값으로 나타낸다. 따라서 이미지는 이미지를 구성하는 픽셀들의 좌푯값을 정의역으로 하고, 빛의 강도를 나타내는 0부터 255 사이의 값을 공역으로 하는 함수의 형태로 나타낼 수 있다. 가령 이미지가 회색조이고 (20, 7) 위치에 있는 픽셀이 검정색이라면, F(20, 7) = 0과 같은 형태로 나타낼 수 있다. 2. 컬러 이미지의 표현 컬러 이미지는 빨간색의 강도를 나타내는..
chapter 1 컴퓨터 비전 입문 - 3절 컴퓨터 비전 파이프라인 전체 처리 과정 1. 컴퓨터 비전 파이프라인의 구성 요소 비전 시스템은 일련의 서로 구분되는 단계를 거쳐 이미지를 분석하고 처리한다. 이 단계를 컴퓨터 비전 파이프라인(computer vision pipeline)이라고 한다. 컴퓨터 비전 파이프라인은 데이터 입력, 전처리, 특징 추출, 머신러닝 모델 단계로 구성되어 있다. 1. 데이터 입력 컴퓨터가 이미지나 동영상을 입력 받는 단계이다. 감지 장치 등으로부터 이미지들이나 동영상들을 입력 받는다. 동영상은 일련의 이미지들로 구성되어있기 때문에 입력은 모두 이미지라고 할 수 있다. 2. 전처리 이미지를 표준화하는 단계이다. 서로 다른 이미지들을 비교하기 위해서는 표준화 작업이 필요하다. 이미지 크기를 조정하거나 흐릿하게 하기, 회전, 모양 변경, 색상 조정 등이 이 과정에..

티스토리툴바