[Coursera] CNN & Computer Vision / Deep Learning Specializaton

 

 

Computer Vision 개요

 

Computer Vision에 대한 주요 문제들은 다음과 같습니다.

 

 

 

 

Image Classification(Image Recognition)

64 * 64 이미지를 input으로 받아 "이것이 고양이인가?"를 0 /1로 판단하는 문제죠. 가장 기본적인 task 입니다.

 

Object Detection

자율주행차에서 다른 차의 위치까지 알아내야 하는 경우처럼, 단순히 객체가 존재하는지만이 아니라 이미지 내 어디에 있는지를 bounding box로 표시하는 문제. 한 이미지에 여러 객체가 있을 수도 있습니다.

 

Neural Style Transfer

Content image(원본 이미지)를 style image(e.g. 피카소 그림)의 화풍으로 다시 그리는 문제. 새로운 형태의 예술을 가능케 합니다.

 

 

 

Parameter 폭발

큰 이미지를 다룰 때의 문제

 

Computer Vision의 어려움 중 하나는 input의 차원이 매우 커진다는 겁니다.

 

• 64×64 RGB 이미지: 64 × 64 × 3 = 12,288 차원. 비교적 다룰 만함.
• 1000×1000 RGB 이미지(1 megapixel): 1000 × 1000 × 3 = 3,000,000 차원 (= 3M).

 

만약 클래식 fully connected network로 처리한다고 가정해 볼께요. 첫 hidden layer에 1,000개의 unit이 있다면

 

 

$$W^{[1]} \in \mathbb{R}^{1000 \times 3,000,000}$$

 

 

즉 30억 개의 parameter가 첫 layer에만 필요합니다. 이로 인해 문제가 발생하죠.

• Overfitting: 30억 개의 parameter를 학습시키면서 overfitting을 막을 만큼의 데이터를 확보하기 어렵습니다.
•  연산 / 메모리 한계: 학습 자체가 computationally infeasible

 

Convolution 연산

Computer vision 문제에서 큰 이미지를 다루기 위해서는 convolution operation을 활용해야 합니다. Convolution은 CNN(Convolutional Neural Network)의 가장 기본이 되는 building block입니다.

 

이 convolution을 도입하기 위해, 먼저 edge detection을 먼저 이해해봅시다.

https://neverthe1ess.tistory.com/316

[Coursera] CNN - Edge Detection / Deep Learning Specialization