반응형
이미지 인식 획득 방법
현재로서는, 기계가 보는 능력을 제공하는 가장 유망한 기술은 손으로 코딩하는 소프트웨어와 아키텍처를 탑재한 Deep Learning이지만, 그것을 위해서는 대량의 데이터가 필요합니다.
그리고 ImageNet과 PASCAL의 전문 모델들과 함께 방대한 양의 데이터가 작업되고 있습니다.
ImageNet
2009년 프린스턴 대학의 연구원들이 만든 이 시각적 데이터베이스는 Flickr와 같은 검색 엔진에서 수집된 1,400만 URL 이상의 이미지를 가지고 있습니다. 편집 과정에서 직원과 지원자가 제출된 사진에 상세한 설명을 추가하고 약 1000개의 객체 클래스로 분류했습니다.
PASCAL
EU에 기반을 둔 다양한 대학 간의 공동 협력으로, PASCAL Challenge는 ImageNet 데이터베이스에 비해 상당히 약점이 있습니다. 20개의 객체 클래스로 분류된 교육용 이미지만 2만 개에 불과하기 떄문입니다.
위 사진은 파스칼과 이미지넷의 차이점을 보여줍니다. 클래스를 분류하는 데에 있어 이미지넷이 더욱 상세하다는 것을 알 수 있습니다.
반응형
'SW > 인공지능' 카테고리의 다른 글
| 인공지능 : 핵심기술 (10) : 이미지 인식의 장벽, 한계 (0) | 2019.04.21 |
|---|---|
| 인공지능 : 핵심기술 (9) : 이미지 학습에 투자해야 하는 이유 (0) | 2019.04.20 |
| 인공지능 : 핵심기술 (7) : 이미지 인식 (0) | 2019.04.18 |
| 인공지능 : 핵심기술 (6) : 딥러닝(심층 학습) (0) | 2019.04.17 |
| 인공지능 : 핵심기술 (5) : 신경망 (0) | 2019.04.16 |