728x90 반응형 세그멘테이션3 딥러닝 객체 검출 용어 정리 Deep learning Object detection terminology 공부를 하다 보면 용어의 정의에 대해서 정확히 알아야 할 필요가, 그리고 정리해두어야 할 필요를 느끼게 됩니다. 잘 정리해서 저장하고 저와 같은 필요를 느낄 분들의 불편함도 줄이고자 블로그에 정리합니다. 아래 사용되는 이미지들은 포스트 최하단에 출처를 표시하였고, 용어들은 필자가 알고 있던 내용들을 바탕으로 작성하였습니다. 혹시 오류가 있다면 리플로 알려주시기 바랍니다. 모든 용어는 처음 사용시 한글과 영어를 혼용하여 읽는 이를 돕고, 이후 재사용시 한쪽 언어만 사용하였습니다. 다만 한글로 번역을 모르는 경우는 영어로만 표기하였습니다. 이하는 작성의 편의상 반말로 썼습니다. Classification, Localization, Object Detection, Semantic segmentation[1] .. 2021. 3. 25. 1. 딥러닝 영상분석 3총사를 구분하시나요 딥러닝으로 할 수 있는 영상분석은 참으로 많습니다. 특정 인물의 얼굴을 인지하고 행동 패턴을 인지하여 신분증처럼 identity 로 사용될 수도 있고 반대로 가짜 인물에게 얼굴과 행동 패턴을 주어 특정 인물로 인지되도록 할 수 도 있습니다. 하지만 항상 이러한 딥러닝 영상분석의 가장 첫단추는 의외로 이미지 분류 (Image Classification) 입니다. 그리고 (2017~2019년까지 보았을때) 딥러닝을 적용하고 싶은 대부분의 개발자들이 원하는 기능은 사물 인식 (Object Detection) 입니다. 마지막으로 딥러닝 사물 인식을 원하는 분야에서 여력이 있다면 한번 쯤은 도입해보고자 하는 궁극의 분석 방법은 이미지 세그멘테이션인 듯 합니다. (image segmentation) 1-1 이미지 .. 2021. 3. 25. 인공지능의 이미지 분류 방식 인공지능이 이미지를 인식하는 방식과 그에 따른 도전과제 오늘 소개해드릴 내용은 그 방식이 어떠한 흐름으로 발전해왔는지, 지금은 주로 어떤 방식을 사용하는지 알아보겠습니다. 1. Classification 초기 이미지 분류는 비교적 단순한 원리를 사용하였습니다. 주어진 이미지와 학습한 데이터들 간의 거리를 비교하여 class를 분류하는 방식이었습니다. 물론 분류하는 방식에 있어서는 여러 복잡한 원리들이 있지만, classification은 인공지능 기술 중 기초적인 것이라고 볼 수 있습니다. 위 그림과 같이, 주어진 고양이 이미지를 여러 클래스와 비교하여 어디에 속하는지 판별하는 작업을 예시로 들 수 있습니다. 2. Object Detection, Tracking 객체 인식은 Classification.. 2021. 3. 25. 이전 1 다음 728x90 반응형
