컴퓨터 비전과 머신러닝
머신 러닝 Machine Learning
- 통계적/수학적 기법을 이용해 데이터로부터 패턴을 추출하는 인공지능 기법
- 최근 컴퓨터 비전에는 "딥러닝" 기법이 중심을 이루고 있음
- 학습의 형태:
- 지도 학습: x와 y가 짝지어진 형태의 데이터에서 관계를 학습
- 비지도학습: 데이터의 내재적 구조를 학습
- 강화학습: 환경과 상호작용하여 가장 많은 보상을 받는 행동을 학습
지도 학습 Supervised Learning
- 입력(x)과 출력(y)이 짝지어진 데이터셋이 있을 때
- x로부터 y를 예측하는 함수를 학습
- 아직 y가 관찰되지 않은 x에 적용하여 y를 예측
- 머신 러닝의 90% 이상을 차지하는 학습 형태
- 예시:
- 부품 사진(x) → 불량 여부(y)
- 사고 차량 사진(x) → 예상 수리비(y)
지도 학습의 원리
- http://playground.tensorflow.org ← 딥러닝을 이용한 지도학습의 원리를 체험할 수 있는 사이트
- ▷ 버튼을 누르면 입력값을 조합하여 경계선을 찾아냄
- (-) 버튼을 눌러 은닉층을 0으로 만듦
- 각 점들의 좌표(x1, x2)를 입력으로 사용
- 파란색 점과 주황색 점들 을 구분하는 경계선을 찾음
- 손실(loss): 일종의 오차 학습이 진행되면서 감소함
더 복잡한 모양
- 아무리 학습 시켜도 경계선을 찾지 못함 (하나의 경계선으로 구분할 수 없기 때문)
- 은닉층을 1개 추가하고 뉴런을 3개 추가하면 입력이 3개의 경계선으로 조합되어 구분할 수 있음
이미지 분류의 원리
- 앞의 예에서는 하나의 점이 2개의 입력(x1, x2)으로 이뤄짐
- 이미지는 여러 개의 값으로 이뤄짐
- 예: 가로 100 × 세로 100인 컬러(RGB) 이미지는 3만 개의 값으로 구성
- 이미지를 분류한다고 할 때, 이미지를 구성하는 값들을 조합하여 경계선의 어느 쪽에 있는가로 분류
티처블 머신 teachable machine
티처블 머신: 이미지 프로젝트
- 파일 또는 웹캠으로 이미지를 학습시킬 수 있음
- 이미지 프로젝트 → 표준 이미지 모델 선택
티처블 머신: 모델 학습시키기
- 웹캠이나 파일로 해당 클래스의 예시를 입력
- 클래스1의 이름을 입력
- 클래스 2에도 동일한 작업
- 학습 버튼 클릭
- 웹캠이나 파일로 새로운 이미지 업로드
- 분류된 결과