패스트캠퍼스 환급챌린지 43일차 : 딥러닝·인공지능 Signature 초격차 패지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

 

강의 수강 시작

 

 

 

학습 인증샷

 

강의 수강 목록

 

강의 수강 완료

 

오늘은 컴퓨터 비전 분야에서 많이 사용되는 데이터셋 포맷과 라벨링 도구에 대해 배웠다. 다양한 데이터셋 포맷이 존재하는데, 그 중에서도 유명한 것으로는 pascal voc, coco, imagenet, kitti가 있다. 이 중 실습에서는 pascal voc와 coco 포맷을 사용할 예정이라고 했다. 각각의 포맷은 구조나 저장 방식, 포함하는 정보가 다르기 때문에 어떤 포맷을 사용하느냐에 따라 데이터 구성 방식이나 작업 방식이 달라질 수 있다.

그 중에서 coco는 특히 대규모 이미지 인식 데이터셋으로 컴퓨터 비전 연구에서 굉장히 많이 쓰인다. 객체 탐지, 분할, 캡셔닝 등 다양한 태스크를 포함하고 있어 실험이나 성능 평가에도 적합하다. 직접 실습에 활용된다고 하니 실제로 coco 형식을 다뤄볼 기회가 생긴다는 점에서 기대가 됐다. 그리고 kitti 데이터셋은 자율주행 관련 영상과 센서 데이터를 다룰 수 있는 데이터셋으로, 3차원 공간에서의 객체 인식과 같은 과제에 사용된다. 자동차, 라이다, 거리 정보 등과 관련된 내용이 많아서 개인적으로 더 관심이 갔다. 이 자료들을 사용하면 내가 필요한 것들을 많이 공부할 수 있을 것이라는 생각이 들었다.

또한 오늘 배운 도구 중에 cvat이라는 것도 있었는데 이는 완전 처음 들었던 것이다.. 이는 이미지나 비디오 데이터에 어노테이션을 달 수 있도록 도와주는 웹 기반 오픈 소스 툴이다. 객체 탐지, 이미지 분할, 트레킹 등 다양한 비전 작업에서 사용할 수 있도록 설계되어 있고, 실제 산업 현장이나 연구에서도 많이 쓰인다고 한다. 무엇보다 오픈 소스이기 때문에 누구나 무료로 사용할 수 있어 나중에 한 번 사용해봐야겠다고 느꼈다.

오늘 내용은 전체적으로 딥러닝 모델을 학습시키기 위해 필요한 준비 과정이 얼마나 다양하고 체계적인지를 느끼게 해주었다. 단순히 데이터를 수집하는 데서 끝나는 게 아니라, 어떤 형식으로 구성되어야 하는지, 어떻게 주석을 달아야 하는지, 어떤 도구를 써야 효율적인지까지 고려해야 한다는 걸 배웠다. 실습을 통해 직접 이런 데이터 포맷과 툴을 다뤄보게 되면, 오늘 배운 개념들이 훨씬 더 생생하게 와닿을 것 같다.

 

https://bit.ly/4hTSJNB