이미지 분류 (1)

이미지 분류란?

이미지를 보고 어떤 물체인지 분류하는 태스크

K Nearest Neighbors (K-NN) 방법

새로운 데이터를 기존 데이터 K 개와 가장 가까운 항목으로 분류

문제점

• 데이터가 매우 많을 경우 시간과 메모리 한계
• 이미지간 유사도를 평가하기 힘듦

---

컴퓨터 비전과 뉴럴 네트워크

많은 데이터를 뉴럴 네트워크에 압축해서 표현 가능

Fully Connected Layer Networks 의 문제점

이미지를 한 번에 다 살펴보기 때문에 테스트 데이터가 crop 됐거나 다른 양상을 보이는 경우 잘 예측하지 못 한다.

CNN

이미지를 지역적으로 살펴보는 과정을 반복하므로 이미지의 특징을 잘 뽑아낸다.
따라서 이미지 위치가 다르거나 확대되어도 잘 맞춘다.

AlexNet

특징

큰 구조

7개의 히든 레이어, 605k 뉴런, 60M 파라미터를 지님

ImageNet 데이터 학습

1.2M 개의 데이터 학습

새로운 활성화 함수와 일반화 방법

ReLU 와 dropout 사용

Receptive field in CNN

하나의 값을 결정하기 위해 살펴보는 영역의 크기

VGGNet

특징

• 3x3 conv 를 사용하여 파라미터 수를 줄임
• 더 깊고, 간단하고, 좋은 분류 성능을 지님

---

참조

• BoostCamp AI Tech