컴퓨터 비전 6주차(1)

[학습목표]
구글 코랩을 활용한 폐렴 진단 학습을 따라할 수 있다.

---

 

하이퍼 파라미터 값 설정

• batch_size : 데이터셋이 1000장의 이미지 데이터라 할 때, batch_size가 10이면 10장씩 100개 묶음으로 만든다는 얘기이다.

 

▶딥러닝은 굉장히 많은 하이퍼 파라미터가 생성되는데 데이터 수가 적으면 제대로 학습이 되지 않는다.

인공신경망 학습

• 순전파를 통해서 모델이 추론을 하게 되고 추론한 결과가 예측과 실제값의 차이, 즉 오차를 줄여나가는 방향으로 역전파를 하면서 이 중간에 들어가 있는 매개변수 값들을 갱신하는 과정이 인공 신경망의 학습이라고 보면 된다.

 

데이터 증강

• 데이터를 바로 학습X, 데이터 전처리가 우선이 되어야 한다.
• 데이터 전처리는 이미지학습에 있어, ImageDataGenerator이라는 클래스를 통해 이루어진다.
• ImageDataGenerator이라는 클래스 안에서 이러한 전처리 기능을 제공해 주기 위한 여러 가지 기능이 내재가 되어 있다.
• 이미지 픽셀 값에서, 0에서 255 사이의 값을 가지고 학습을 시키는 것이 아니라 이것을 0에서 1 사이의 값으로 정규화를 시켜 데이터를 학습시키는 작업을 한다. 그래야 머신러닝에서 학습이 더 잘 된다.
• 그리고 데이터 편향의 문제를 제거해 주기 위해서 여러 가지 어떤 데이터를 회전시키고, 기울여 주고, 이미지 확대해 주고 즉,  데이터 증강 기술을 활용하여 데이터의 편향 문제를 해결한다. 
• 모델에 학습을 할 수 있는 데이터 양을 많이 주고 그 데이터 양이 대표적인 특징을 가지도록 해줘야만 영상 데이터를 가지고 어떤 학습을 시키든, 정형 데이터를 가지고 학습을 시키든  이런 데이터의 편향 문제가 해결된다고 이해하면 된다.

• 훈련데이터 : 데이터 증강기술 활용 → 학습
• 검증데이터 시험데이터 : 증강기술 X
• 검증용 데이터 세트를 정규화만 시키는 하나의 객체를 생성한 것이다. 

• save_best_only=True : 가장 성능이 좋은 모델로 저장해라 라는 옵션

▶ 손실값은 줄었고, 정확도가 높아졌다면 학습이 어느 정도 잘 진행이 되었다는 것을 의미한다.