컴퓨터 비전 1주차(1)

교과목 개요

• 본 교과목은 컴퓨터 비전의 기본 개념과 OpenCV를 이용한 영상정보를 다루는 데 필요한 기술 요소를 습득한다.
• 개와 고양이, 폐렴, 얼굴 이미지 등을 활용한 시간지능 구현을 위해 텐스플로와 GPU 활용을 위한 구글 코랩(Colab), 아나콘다(Anaconda) 기반의 주피터 노트북을 이용한다.
• 이 프레임워크로 딥러닝 네트워크를 구성하여 학습 및 평가를 직접 구현함으로써 시각지능 활용역량을 배양한다.
• 이를 통해 교육 목표를 달성하고 영상 정보를 기반으로 현실세계의 다양한 문제 해결 역량을 배양한다.

교과 목표

• 컴퓨터 비전의 기본개념을 이해할 수 있다.
• OpenCV를 이용하여 영상 정보를 처리(시각정보 다루기, 이미지 필터링 및 합성 등) 할 수 있다.
• 영상 정보를 학습 및 평가를 통한 시각지능을 구현할 수 있다.
• 영상 정보를 이용해 현실 세계의 다양한 문제 해결방안을 제시할 수 있다.
• 영상 정보의 활용 가치는 더욱 높아질 것이며, 본 교과목은 수강생들의 영상 정보 활용역량 및 현실세계의 다양한 문제 해결 역량 배양을 목표로 한다.

학습 목표

• 머신러닝과 인공지능의 기본개념 및 머신러닝 시스템의 다양한 종류에 대해 설명할 수 있다.

머신러닝 ?

• 아서 사무엘 : 머신러닝은 명시적인 프로그래밍 없이 학습하는 능력을 갖추게 하는 연구 분야이다.
• 즉, 알고리즘이 데이터를 통해서 프로그래밍을 하기 위한 로직을 구현한다고 이해하면 된다.
• 톰 미첼 : 어떤 작업 T에 대한 컴퓨터 프로그램의 성능을 P로 측정했을 때 경험 E로 성능이 향상되었다면 이 컴퓨터 프로그램은 작업 T와 성능측정 P에 대해 경험 E로 학습한 것이다. 
• 즉, 어떤 판단을 하기 위한 로직을 사람이 구현하는 것이 아니라 알고리즘이 데이터에서 경험을 하고 경험한 이것을 통해서 어떤 판단을 하는 로직을 만드는 것이다
• 머신러닝 : 컴퓨터가 데이터에서 경험으로부터 학습하여 성능을 향상시킬 수 있도록 알고리즘과 기술을 개발하는 분야
• 특히, 컴퓨터 비전은 모든 알고리즘들이 딥러닝 알고리즘을 통해서 구현을 했기 때문에 딥러닝도 어떻게 보면 머신러닝의 한 분야라 할 수 있다. 
• 예제1) 스팸 메일과 일반 메일의 샘플을 이용해 스팸 메일 구분법을 배울 수 있는 머신러닝 프로그램 시스템이 학습하는데 사용하는 샘플을 훈련 데이터 (TRAIN DATA) 라고 한다.
• T : 새로운 메일이 스팸메일인지 구분하는것, E : 훈련 데이터, P : 정확히 분류한 메일의 비율 및 성능 측정을 정확도

머신러닝 사례(의료)

머신러닝 사례(일상, 자연어 처리를 이용하여)

인공지능 ?

• 개념 : 인공지능은 인지, 학습 등 인간의 지적 능력(지능)의 일부 또는 전체를 '컴퓨터를 이용해 구현하는 지능' 을 의미
• 의의 : 인공지능은 단순 신기술이 아닌 4차 산업혁명을 촉발하는 핵심 동력
• 파괴적 기술혁신을 통해 산업구조의 변화를 야기하고, 사회 및 제도의 변화까지 유발할 것으로 전망

인공지능 소개

• 인공지능은 증기기관, 전기 등과 유사한 범용기술로서의 특성을 보유

※ 맥킨지 글로벌 연구소 보고서 : 2030년까지 인공지능은 글로벌 차원에서 약 1.3조 달러의 부가가치를 창출할 것

인공지능 서비스 제공을 위한 구성도

• 데이터 획득 → 데이터 가공(데이터 전처리) → 모델 생성(모델링) → 실서비스 제공(API 개발)
• 클라우드 및 고성능 컴퓨터(GPU) 매우 중요!

머신러닝의 종류

• 사람의 감독하에 훈련하는 것인지 아닌지에 따라 분류
• 지도 학습, 비지도 학습, 준지도 학습, 강화 학습

 

• 실시간으로 점진적인 학습을 하는 것인지 아닌지에 따른 분류
• 배치 학습, 온라인 학습(미니배치 학습)

 

• 단순하게 알고 있는 데이터 포인터와 새 데이터 포인터를 비교하는 것인지 또는 훈련 데이터 셋에서 패턴을 발견하여 예측 모델을 만드는지에 따른 분류
• 사례 기반 학습, 모델 기반 학습

지도 학습 ?

• 알고리즘에 주입하는 훈련 데이터에 레이블이라는 원하는 답이 포함되어야 한다.
• 좀 더 구체적으로 설명하자면, 그 데이터 셋에 정답이 포함되어 있다는 것이다.
• 종속변수가 포함되어 있는 것이고, 이 종속 변수는 독립 변수를 통해서 학습을 한다는 것이다.

덴드로그램 ?

• 덴드로그램은 계층 군집 알고리즘을 사용하면서 각 그룹을 더 작은 그룹으로 세분화하는 과정
• 상향식 분류하는 방법이 있고, 하향식 분류하는 방법이 있다.
• 이 덴드로그램은 계층 군집을 시각화하는 도구로 이해하면 될 것 같다. 그래서 다차원 데이터 셋을 처리하는 기능이 있다.

오타 : 자원 X 차원 O

미니배치 학습 특징 ?

• 학습 단계가 빠르다.
• 비용이 적게 든다.
• 데이터가 도착하는 대로 즉시 학습이 가능하다.

학습률 ?

• 순전파와 역전파를 통해서 기울기를 계산하고 이 기울기를 이 모델에 얼마나 반영시킬 것인가 하는 것이 바로 학습률이 된다. 
• 학습률을 높게 적용 → 그 데이터의 특징을 조금 더 빠르게 적용