tstory7 님의 블로그

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 학습 수강 시작 학습 인증샷 강의 수강 목록 학습 수강 완료 오늘은 현업 사례로 안경을 어플로 미리 착용해 보는 기능을 예시로 들면서 수업이 시작되었다. 이런 기능 역시 컴퓨터 비전 기술과 모델 학습이 적용된 사례라서 흥미롭게 들을 수 있었다. 이후 본격적으로 모델 중심 접근 방식과 데이터 중심 접근 방식에 대한 강의를 들었다.모델 중심 접근 방식은 기계 학습 모델의 성능을 개선하기 위해 다양한 실험을 통해 최적의 모델 아키텍처와 학습 방법을 선택하는 것을 의미한다. 현재 대부분의 산업과 연구에서는 이 모델 중심 접근 방식을 기본으로 삼고 있다. 모델 구조나 하이퍼파라미터를 변경하면서 결과를 개선하려는 흐름이 보편적이라는 점을 알 수 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 인증샷강의 수강 목록 강의 수강 완료 오늘은 실질적으로 어떻게 현업에서 이루어져 있는지를 배웠다. 첫 내용으로는 데이터셋 구축 방법과 모델 선정 시 고려해야 할 사항에 대해 배웠다. 데이터셋을 구축할 때는 구글이나 다양한 SNS 플랫폼에서 크롤링을 통해 이미지를 수집하는 방법을 사용한다. 이렇게 모은 데이터는 모델의 메모리 학습에 활용할 수 있다. 하지만 처음 수집된 데이터에는 잘못된 이미지나 오류가 포함될 수 있기 때문에, 사용자 피드백을 통해 잘못된 이미지를 수정하고 이를 다시 학습에 반영하는 과정이 필요하다.특히 잘못된 데이터를 수정하는 작업에 대해 사용자에게 보상을 제공하는 등의 대안을 마련하면, 데이터 품질..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 인증샷학습목록 강의 수강 완료 오늘은 분류, 탐지, 분할이라는 컴퓨터 비전 분야의 주요 작업과 메트릭 러닝에 대해 이때까지 배운 내용을 전체적으로 정리하는 시간을 가졌다. 분류, 탐지, 분할은 모두 이미지나 비디오를 분석하는 컴퓨터 비전 분야의 핵심 작업이다. 반면 메트릭 러닝은 데이터 포인트 간의 유사성을 측정할 수 있는 거리 함수를 학습하는 기계 학습 기술이라는 점에서 접근 방식이 다르다.이번 수업은 새로 배우는 개념이 아니라 그동안 학습한 내용을 전체적으로 복습하고 정리하는 과정이었다. 분류는 주어진 입력에 대해 레이블이나 클래스를 예측하는 데 초점을 맞추고, 메트릭 러닝은 입력 간의 거리를 통해 유사성과 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습인증샷 학습 수강 완료 오늘은 다양한 메트릭 러닝 모델 구조에 대해 배웠다. 각각의 구조는 입력 데이터의 구성 방식과 학습 전략에 따라 차별화된 특징을 가지고 있었고, 데이터 간의 거리나 유사성을 학습하는 데 중점을 두고 있었다. 같은 데이터라도 어떤 구조를 사용하느냐에 따라 학습하는 방식과 결과가 달라질 수 있다는 점이 흥미로웠다.그래프 기반 모델에 대해서도 자세히 배웠다. 그래프 기반 모델은 각 데이터 포인트를 그래프의 노드로 표현하고, 노드 간의 간선으로 데이터 사이의 관계나 거리를 나타낸다. 이런 방식을 통해 데이터 사이의 복잡한 구조적 관계를 좀 더 직관적이고 명확하게 파악할 수 있다. 그리고 그래프 대비..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 인증샷강의 학습목록 강의 수강 완료 오늘은 메트릭 러닝에서 사용하는 다양한 학습 방식에 대해 배웠다. 지도 학습, 비지도 학습, 그리고 준지도 학습까지 각각의 개념과 적용 분야를 비교하며 정리할 수 있어서 이해가 잘 되었다.지도 메트릭 학습은 입력 데이터와 정답 레이블을 모두 활용하는 방식이다. 주어진 레이블에 따라 같은 클래스는 서로 가깝게, 다른 클래스는 멀리 떨어지게 만드는 거리 함수를 학습하는 것이 핵심이다. 이를 통해 분류나 회귀 문제에서 보다 정교한 구분이 가능해진다. 대표적인 예시로는 얼굴 인식이 있다. 얼굴 인식에서 지도 메트릭 학습은 같은 사람의 얼굴은 더 가깝게, 다른 사람의 얼굴은 더 멀리 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 목록 학습 인증샷 강의 수강 완료 https://bit.ly/4hTSJNB 오늘은 메트릭 러닝에서 사용되는 다양한 손실 함수와 하드 네거티브 마이닝 개념에 대해 배웠다. 기존의 분류나 객체 탐지와 달리, 메트릭 러닝은 데이터 간의 거리를 기준으로 학습을 진행한다. 그래서 어떤 점 사이의 거리를 최소화하거나 최대화하는 함수, 즉 목적 함수를 통해 모델이 학습되며, 이 과정에서 어떤 샘플을 선택해서 학습에 사용하는지가 매우 중요하다.하드 네거티브 마이닝은 앵커와 네거티브 샘플 간의 거리가 파지티브 샘플과의 거리보다 더 가까운 경우를 중심으로 학습을 시키는 방식이다. 하지만 이 방식을 그대로 적용하면 모든 피처 간 ..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 인증샷 강의 목록 강의 수강 완료 오늘은 메트릭 러닝에 대해 처음 접했다. 원래 다른 부분부터 들어야하지만, 생소하면서도 흥미로워서 먼저 들어보게 되었다. 메트릭 러닝에서 말하는 메트릭은 두 점 사이의 거리를 정의하는 함수로, 이 함수는 몇 가지 수학적인 성질을 가져야 한다. 대표적으로는 거리가 음수가 될 수 없는 비음수성, 세 점 사이 거리의 합 관계를 따르는 삼각 부등식, 그리고 대칭성이 있다. 즉, 한 점에서 다른 점까지의 거리는 반대 방향도 동일해야 한다.예시로 가장 많이 쓰이는 방식은 유클리드 거리이다. 하지만 이 방식은 차원이 높은 데이터에서는 한계를 가진다. 모든 방향에서 동일하게 거리를 계산하기 때문에..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습인증샷 학습 목록 강의 수강 완료 오늘은 전통적인 객체 탐지방법들에 대해 배웠다. 최근에는 딥러닝 기반의 인공지능 기법들이 주로 사용되지만, 그 이전에도 다양한 전통적 방식들이 존재했고, 여전히 특정한 상황에서는 유용하게 쓰일 수 있다는 점이 흥미로웠다.슬라이딩 윈도우와 셀렉티브 서치처럼 이미지 전체를 반복적으로 훑으면서 물체가 있는지를 판단하는 방식은 비교적 직관적이었지만, 계산량이 많고 비효율적인 단점이 있다는 것도 알게 되었다. 특히 Viola-Jones 알고리즘은 얼굴 인식 분야에서 한동안 많이 사용되었던 방식인데, 간단한 Haar 특징과 통합 이미지를 이용해 빠르게 계산하고, Adaboost를 통해 중요한 특징..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작강의 수강 목록 학습 인증샷 강의 수강 완료 오늘은 전통적인 객체 탐지 방법들에 대해 배웠다. 최근에는 딥러닝 기반의 인공지능 기법들이 주로 사용되지만, 그 이전에도 다양한 전통적 방식들이 존재했고, 여전히 특정한 상황에서는 유용하게 쓰일 수 있다는 점이 흥미로웠다. 슬라이딩 윈도우와 셀렉티브 서치처럼 이미지 전체를 반복적으로 훑으면서 물체가 있는지를 판단하는 방식은 비교적 직관적이었지만, 계산량이 많고 비효율적인 단점이 있다는 것도 알게 되었다. 특히 Viola-Jones 알고리즘은 얼굴 인식 분야에서 한동안 많이 사용되었던 방식인데, 간단한 Haar 특징과 통합 이미지를 이용해 빠르게 계산하고, Adaboost를 통..

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다. 강의 수강 시작 학습 인증샷 강의 수강 목록 강의 수강 완료 오늘은 분류 모델을 학습시키기 위한 데이터셋 구성과 실습 흐름에 대한 강의를 들었다. 지금까지는 분류 모델이 어떻게 작동하는지 개념적인 설명을 주로 들어왔는데, 오늘은 그것을 실제 코드와 함께 단계별로 어떻게 구현하는지를 살펴볼 수 있어서 훨씬 실감이 났다. ResNet 101 모델을 기반으로 한 학습 구조를 중심으로 수업이 진행되었는데, 실제 프로젝트가 어떤 흐름으로 돌아가는지를 처음부터 끝까지 조망할 수 있었다는 점이 인상 깊었다. 전체 과정은 처음에 필요한 라이브러리를 불러오는 import 단계로 시작해서, 데이터 전처리 과정으로 넘어간다. 여기에서는 이미지 데이터를 모..