5장_딥러닝을 이용한 이미지 분류

딥러닝 개발을 하기 위한 프레임 워크 : 텐서플로, 테아노, CNTK, 파이토치 등

 

본 포스팅에서는 케라스(Keras)를 사용해 딥러닝을 개발할 예정

 

1. 딥러닝 기술의 이해

• 1943년 워렌 맥컬럭과 월터 피츠가 단순화된 뇌 세포의 개념을 발표하며 인간의 뇌 구조와 유사한 인공 신경망 알고리즘을 최초로 발표함
• 1980년대 입력층과 출력층 사이에 복수의 은닉층이 존재하는 심층 신경망 이론 등장(=오늘날의 딥러닝 형태와 유사)
• 최근 수많은 데이터와 처리 속도의 향상으로 인해 딥러닝 연구가 활발해짐
• 이미지 처리
  • 이미지 분류(classification) : 이미지에 나타나는 전체를 학습하여 분류
  • 이미지 분류 및 위치 검색(classification+location) : 분류된 객체가 그림 내 어디에 위치하는지 정보를 갖는 최소 경계 사각형을 찾음
  • 객체 추출(object detection) : 이미지 내에서 여러 종류의 객체를 감지해 태그 정보와 최소 경계 사각형 정보를 함께 제공
  • 개체 분리(instance segmentation) : 객체 추출과 유사하나 실제 객체의 외곽 좌표를 추출한다는 점에 차이가 있음

2. CNN이란

합성곱 신경망(CNN, Convolutional Neural Network)이라고 부르며 동시에 발견된 주변 데이터의 값에 더 무게를 둠

즉, 이미지의 경우 각 픽셀 사이에서 순서는 의미가 없으나 주변 픽셀과 색이 같은지, 다른지의 의미가 있기 때문에 합성곱 신경망을 사용

 

출처 : https://kr.mathworks.com/solutions/deep-learning/convolutional-neural-network.html

위의 그림은 합성곱 신경망의 학습 단계를 시각화한 모습

좌측의 레이어는 특징 학습(Feature Learning)층으로 합성(Convolution)영역에 해당하며 훈련 데이터에 의해 윈도우들이 정답에 가깝도록 학습됨.

우측 레이어는 특징 학습층에서 추출된 특징값을 이용하여 분류 결과를 예측하는 이미지 분류 문제를 해결하기 위한 신경망층을 나타냄.