[CS231n] Lecture 1 | Introduction to Convolutional Neural Networks for Visual Recognition 요약 정리

🔗강의 영상
0. 목차
computer vision의 역사
computer vision의 최종 목표

1. Computer Vision의 역사
   컴퓨터가 어떻게 실제 세계를 인식하고 표현할 수 있을까에 대한 연구에서 비롯됨.

   • 1959년
     Hubel & Wiesel, 포유류의 시각 메커니즘에 대해 연구.

   • 1963년
     Larry Roberts, 사진을 특징점으로 재구성하는 방법에 대해 연구

   • 70년대
     David Marr, Vision 책 출간. Computer Vision의 발전 방향 제시
     이미지의 특징을 추출하고, 특징에 따라 depth나 surface를 추출, 그 후 3d modeling 시도하는 방법을 제시했다.
     90년대 전까지는 컴퓨터 비전이 단순한 실험으로만 다루어졌다.

   • 90년대, 2000년대:
     기계학습의 발전으로 "Support Vector Machine", "Boosting", "Graphical models", 초기 "Neural Network"가 등장했다.

image segmentation(객체 인식)의 발전

• Paul Viola & Michael Jones, AdaBoost를 이용해 실시간 얼굴 인식하는 연구가 발표되며 객체인식의 첫발을 내디뎠다.

• 특징기반 객체인식 알고리즘 ex) SIFT feature. 특징점 탐지, 비교.

• Spatial Pyramid Matching:
  2006년 등장.
  이미지에서 특징을 추출하여 단서로 사용. Support Vector Algorithm 적용.

2000년대부터 인터넷, 카메라의 발전으로 실험데이터(사진)의 질이 급격히 상승.
양질의 데이터(Benchmark Dataset)를 모으기 시작.

PASCAL Visual Object Challenge(VOC)

• 기차, 비행기, 소, 고양이 등 20개 클래스로 분류되는 이미지 데이터.
• 객체 인식 성능 성장에 도움이 되었다.
  

ImageNet

• 목적
  기계학습의 Overfitting 문제를 극복
  이세상의 모든 물체를 인식

• 약 1500만~ 4000만장의 이미지들이 22000 종류로 분류되는 아주 큰 data set. 만드는 데 몇 년이 걸린 프로젝트였다.

• 분류하는 알고리즘을 개발하는 경연을 열었는데 2012년 convolutional neural network 모델이 오류율을 대폭 감소시켰다. 이 이후 cnn에 변화를 주며 인간의 오차율보다 더 낮은 수준까지 낮추는 데에 성공했다.
  

Computer Vision의 최종 목표

• 사람처럼 볼 수 있는 기계를 만들자.
• 남은 연구 주제들:
  - Semantic Segmentation
  • Perceptual Grouping
  • 3D understanding
  • 행동 인식