이미지 처리와 딥러닝
- 이미지 분석은 딥러닝이 가장 잘 적용되는 분야 중 하나
- 2012년 이미지넷 대회에서 AlexNet이라는 인공신경만 네트워크가 획기적인 성능을 보임으로써 딥러닝이 주목을 받는 계기가 됨
- 현재 이미지 인식, 이미지 캡셔닝 등의 분야에서 인간 이상의 성능을 보여줌
CNN(Convolutional Neural Network)
- 1989년 얀 르쿤이 처음으로 제안(5 layer)
- 발표 당시에 필기체 인식에 높은 성능을 보임으로써 주목받음
- 그러나 컬러 이미지에서 성능에 한계를 보여 딥러닝의 2차 빙하기에 묻혀져감.
- 2012년 최초로 GPU를 이용하여 심층 구조(8 layer)로 고도화된 AlexNet이 성능을 획기적으로 높임
CNN의 발전
- 2012년 AlexNet에서 획기적인 성능 향상
- 이후 ZFNet, VGG, GoogleNet(Inception V1) 등의 모델이 개발됨
- 2015년 Microsoft에서 인간보다 인식 정확도가 높은 ResNet을 개발함
- 이후 모델의 성능 개선보다는 이미지 분석 관련 서비스에 대한 연구가 이루어짐
이미지 분석 관련 서비스
1. Classification(분류) : 단순히 이미지를 분류하는 문제
2. Single Object Detection(Classification + Localization) : 클래스의 정보가 어느 위치에 있는지, bounding box를 그리기 위한 좌표 정보를 예측하는 문제
3. Object Detection(객체 인식) : 이미지 내의 여러 object를 detection하고, 각각의 object의 클래스를 분류하고 bounding box를 그리는 문제
4. Instance Segmentation : Object Detection과 유사하지만, 이미지 셀 하나하나의 클래스를 분류하여 더 정교하게 Detection하는 문제
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - 이미지 데이터에 대한 이해 (0) | 2022.03.04 |
|---|---|
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - CNN 모델 (0) | 2022.03.04 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - 보스턴 집값 회귀 분석 실습 (0) | 2022.03.03 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - fashion-mnist 분류 분석 실습 (0) | 2022.02.23 |
| 이미지 데이터 처리를 위한 CNN 완벽 가이드 - Keras API (0) | 2022.02.22 |
