230407 [AI]

JUNHO YEOM·2023년 4월 7일
0

AI

목록 보기
4/4

CNN

CNN -> 이미지 학습, 예측

Feature Extraction(conclution, pooling)

학습(DNN)


실사 Image에 대해서도 학습이 잘 되나요?
2가지가 전제가 되어야 합니다.
1. Data(사진)량이 많아야 해요
2. Feature의 수가 가능한 작아야 해요

이미지 같은 경우에는
1. 사진을 많이 모으는 것이 쉽지 않아요
2. Feature의 수가 pixel값이 되기 때문에 쉽지 않아요

이러한 이유때문에 생각보다 학습이 잘 안돼요...ㅠ
데이터량이 더 작아지면 model은 더 안좋아 져요 -> 현실

이 문제를 해결하는 방법!
1. Argumentation(증식) -> 증식을 위햐 Image Data Generator를 사용했어요(Keras가 제공해요)
원본이미지에 변형작업을 거쳐서 이미지를 증식시켜서 사용하는 방식이에요

  1. CNN
    특징을 뽑아내는 가중치(필터)가 아주 잘 만들어져 있으면, 좋은 특징이 나와서 예측값이 잘 나와요
    CNN은 어떻게하면 좋은 필터를 만들어서 이미지의 특징을 잘 뽑아낼 수 있을까가 CNN의 학습 과정이라고 할 수 있어요

특징을 아주 잘 뽑아내는, 아주 좋은 필터가 있다면? 학습이 더 잘 될 것 같아요.!

Google -> Inception(45개 (convolution), 20개(pooling)) => Model을 만들었어요 (Data는 Imagenet에서 학습했어요)

그게 바로 Inception이라는 Model이에요

MS -> ResNet

MS도 같은 방법으로 약 3배의 Setting으로 만들었어요

그외
EffetNet
UGG
MoblieNet

현실적으로는 기존의 잘 만들어진 Model의 Feature Extraction부분을 가져와서 사용할 수 있어요(좋은 filter를 가진 부분을 얻을 수 있어요)
학습하는 부분, 학습 Data는 내가 구해와서 해줘야 하는거에요

코드로 알아볼게요


Machine Learning(지도 학습)

Regression

Deep Learnign(비정형)
인지에 관련된 Data라 Deep Learning으로 학습하지 않으면 정확도가 떨어져요

Deep Learning의 분야
Vision: 이미지 처리

NLP: 자연어 처리

0개의 댓글