원활한 개발을 위해 깃 커밋 시 지켜야할 규칙https://jason-api.tistory.com/89

CNN은 supervised image classification에서 괄목할만한 성능 향상을 이끌어냈습니다.그러나, unsupervised learning, 특히 image generation task에서는 여전히 저조한 성능을 보이고 있습니다.이에, 좋은 이미지 생성

이미지 분류 task에서 딥러닝은 눈부신 발전을 이룩하였습니다. 그러나 이를 위해서는 막대한 양의 데이터가 필요합니다. 이 데이터에는 다량의 라벨도 포함이 되어있습니다. 그러나 라벨링 작업 또한 많은 resource를 요구하기 때문에 실제 산업현장에서 정확히 라벨링된

다량의 양질의 데이터는 좋은 딥러닝 모델을 만드는데 필요조건입니다. 그런데 실제 산업 현장에서는 데이터가 충분히 확보 되어있지 않거나 명확히 분류되어있지 않은 경우가 많습니다. 특히, 공정과정에서 발생하는 이미지는 이런 경우가 비일비재합니다. 그러므로, 모델에 학습 시