.png){kind=small}
장소: 공덕창업허브센터
참가자: 윤현근, 전민종, 임하경, 이지은, 김훈민, 이준석, 허귀석(화상)
<케라스 창시자에게 배우는 딥러닝>에 대해 랩원끼리 돌아가며 발표하였습니다.
----
이지은님의 4장 ‘머신러닝의 기본요소’
1. 머신 러닝의 네가지 분류(지도 학습, 비지도 학습, 자기 지도 학습, 강화 학습)
2. 머신 러닝 모델 평가(단순 홀드아웃 검증, K-겹 교차 검증, 셔플링을 사용한 반복 K-겹 교차 검증)
3. 데이터 전처리, 특성 공학, 특성 학습
4. 과대적합과 과소적합
이렇게 머신러닝의 기본 요소를 배우고 기초를 단단히 가지는 시간을 가졌습니다.
윤현근님의 5장 ‘Convolutional Nerual Network Basic’
Convolutional이라는 단어는 익숙하지만 딥러닝에서 쓰는 단어와 다소 거리가 있다는 것을 알게 되었는데요~^^ CNN은 Convolutional이라는 작업이 들어가는 NN을 의미한다고 합니다. 초창기에 이뤄진 CNN에 대해 고양이의 아이디어를 얻은 것부터 시작하여 자세하게 설명해주셨습니다. 이어서 이미지의 과정을 반복하는 방법, noise가 주는 오류를 어ᄄᅠᇂ게 최소화하는지 등등 알기쉽게 설명해주셔서 CNN에 대해 알게되는 좋은 시간이였습니다.^^
임하경님의 Mask CNN
앞에 두분의 발표로 시간이 무수히 흘렀음에도 불구하고 지루할 틈없이 재밌는 ‘Mask Rcnn’ 설명이였는데요~^^
단순한 분류 이상의 것들을 구현할 수 있는 방법에 대해 사실 CNN이 이미지 분류에 있어 표준처럼 되어있고, 아직 신경망에서 classification은 사람이 시각적으로 이해하는 과정인 복잡, 다양함에 비해 단순하다는 건 모두 알고 계실텐데요.
여기서 임하경씨가 발표한 ‘Mask RCNN’은 바운딩 박스 인식을 위해 기존 branch와 병렬로 객체 Mask를 예측하기 위해 branch를 추가한 것인데요. 또한 다른 작업에 일반화하기 쉽다는 것을 알게 되었습니다.
그리고 현재 챌린지를 준비하는 아트플로우 팀원들에게도 좋은 계기였다고 생각합니다.^^
이어 전민종님이 SSD(Single Shot Multibox Detector)에 대해 발표하였습니다.
SSD가 등장하기 전까지는 detector은 대표적으로 Faster R-CNN을 사용하였는데요.
그러나 Faster R-CNN은 전작 R-CNN을 열심히 향상시켰으나 너~무 느려서 실시간 영상분석에 사용할 수 없었다는 슬픈 이야기를 알게되었습니다.(YOLO 또한 빠르긴 하나 그만큼 성능을..포기하게되었다죠)
하.지.만. SSD는 후보 영역 추출과정, resampling 과정을 제거한 방식을 이용해 높은 정확성과 ᄈᆞ른 속도를 모두 얻어내었다고 합니다! 이어 SSD가 어떻게 이런 성능(빠름)을 가질 수 있었는지, SSD의 Framework를 살펴보며 SSD가 가지고 있는 특징에 대해 알게 되었습니다.^^