4분만에 중딩도 이해하는 최신 인공지능 이미지 분류 기법
HTML-код
- Опубликовано: 9 фев 2025
- 안녕하세요 엔자이너TV입니다. 이번 영상에서는 최신 인공지능 이미지분류기법에 대해서 중딩도 이해가가능하도록 쉽게 설명드립니다.
#imageclassification #Supcon #인공지능 #머신러닝 #딥러닝 #컴퓨터비전 #unsupervised #SelfSupervised #supervised #비지도학습 #지도학습 #SimCLR#DataAugmentation #증강현실 #로보틱스 #자율주행 #영상처리 #AR #VR #AugmentedReality #VirtualReality #Robotics #AutonomousDriving #AI #MachineLearning #DeepLearning #ComputerVision #ImageProcessing
![[논문리뷰 및 코드실습] Supervised Contrastive Learning](http://i.ytimg.com/vi/nPBSf6RVI30/mqdefault.jpg)
![[논문리뷰 및 코드실습] Supervised Contrastive Learning](/img/tr.png)
![[12] 머신러닝 vs 딥러닝 비교 - 전통적인 머신러닝과 딥러닝 차이점 4가지](http://i.ytimg.com/vi/GfUDlX94Glw/mqdefault.jpg)
![Felix "Unfair" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/Oswujxm2Ag0/mqdefault.jpg)
와 ~~❤ 이렇게 좋은 설명 해주시다니 감사해요 !
시청해주셔서 감사합니다❤️
선생님 정확한 설명 감사합니다. 쏙쏙 이해가 됩니다.
감사합니다^^
안녕하세요 선생님 좋은 강의 감사합니다. 제가 해야 할 과제가 있는데 이 분야 노베이기도 하고 어디서부터 어떻게 해야 할 지 모르겠어서 시작하기 어려운데 혹시 조언 구해도 될까요?
현재 어떤 과제를 해야 하는지, 전공이 무엇인지도 모르는 상태에서 조언을 드리기는 어렵습니다. 그럼에도 조언을 드리자면, 전통 영상처리부터 딥러닝 기본 논문인 LeNet, AlexNet, ResNet 논문부터 공부해보세요.
궁금한게 소실함수에서 두 벡터의 내적이 의미하는게 뭘까요..?
같은 레이블링으로 구성된 이미지끼리는 비슷한 벡터를 가지게 하는것이 목적입니다. 그렇기 때문에 손실함수에서 같은 레이블링으로 구성된 두 이미지의 벡터를 내적하게되면 백터가 커지게 하구요. 서로 다른 레이블링된 이미지의 벡터를 내적하면 값이 작아지게 합니다. 이러한 특성을 이용해서 같은 레이블링으로된 이미지의 벡터를 내적하면 커지고, 다른 레이블링으로된 이미지끼리 내적을하면 값이 작아지도록 손실함수를 구성하는 것입니다. 보통 같은 레이블링된 이미지는 비슷해보여도 처음에는 벡터간의 차이가 클 수 있습니다. 그렇게 여러번 반복해서 학습하며 벡터를 바꾸어나가면 최종적으로 같은 레이블링된 이미지끼리는 비슷한 벡터가 되게되는 것입니다.
공유된 소스코드는 없을까요?
안녕하세요. 따로 공유된 소스코드는 없습니다.
선생님 이런 일련의 과정이 머신러닝인가요?
네 맞습니다. 딥러닝도 매우 큰 범주이기 때문에 과정은 매우 다양하고 그 중에 하나의 과정을 설명드린것입니다. 크게 Preprocessing, Data loader, Network, Loss function, Post processing으로 되는데요. 위 영상은 흔히 딥러닝에서 많이 사용되는 Image classification과 유사한 'Deep metric learning'이란 주제를 매우 쉽게 설명한 영상이라고 보시면 되겠습니다.
@@EnsignerTV 제가 답변 하는 와중에 질문을 수정해버렸네요;;
@@나나나-i6i 머신러닝과는 좀 다릅니다. 본 영상은 학습된 모델에 이미지를 입력하면 예측값을 출력하는 구조인 'End-to-End'이기에 딥러닝이 맞습니다. 딥러닝 이후에 예를들어 Support vector machine나 K-means clustering과 같은 머신러닝 알고리즘을 적용할 수 있습니다. 최적화 개념이 강한 머신러닝안에 이러한 학습을 통해 최적의 모델을 만들어내는 딥러닝이 포함되기 때문에 딥러닝보다 머신러닝이 더 큰 범주가 됩니다.
@@EnsignerTV 영상 초반에 여러 종류의 이미지들로 인공지능을 학습시킨다고 했는데, 저 이미지들은 이미 인간에 의해 어떤 종류인지 분류된 이미지들인가요?
@@나나나-i6i 네 맞습니다. 초반에는 어떤 종류인지 분류를 시켜주기 위한 작업으로 Labeling을 해줍니다. 이렇게 Labeling된 데이터로 학습하여 딥러닝 모델을 만들어내면, Labeling이 없는 처음 본 이미지가 모델에 입력하였을 때, 어떤 이미지인지 분류를 해줄 수 있습니다.
선생님 위치 백터를 만드는 Feature는 Color data기반으로 생성하는 것이라면, 모든 이미지 분류는 미분된 색깔의 기울기값이 영향을 받는건가요?
네 맞습니다. 이미지 분류를 위해서 정통 영상처리든, 딥러닝이든 Feature를 추출해야하는데 그 기반이 미분값입니다.
감사합니다. 혹시 이미지를 구분하는 툴은 어느것을 사용하시나요?? 툴을 이미지 재료가 많으면 많을 수록 구분을 더 잘하게 되는건가요??
툴은 아니구요. 직접 인공지능 모델을 통해 코드로 학습시켜서 합니다. 그리고 레이블링이 된 이미지 재료가 많을 수록 구분을 더 잘하는것도 일반적으로 맞습니다.