딥러닝10 이미지 인식기술의 응용 여기서는 이미지 인식기술의 응용 분야로 문자인식, 얼굴인식, 유사 이미지 검색에 관해 알아봅니다. 1. 문자인식 문자인식은 대상 이미지에 포함된 문자를 읽어오는 기술로, OCR(Optical Character Reader)로 실용화되었습니다. OCR은 인쇄 문자인지 손으로 쓴 문자인지에 따라 구분됩니다. 손으로 쓴 문자인식은 종이에 기록한 정적인 문자 정보를 대상으로 하는 경우와 펜의 움직임과 같은 동적인 정보를 이용하는 온라인 문자인식의 경우로 분류되는데, 동적인 정보를 이용하는 기술은 OCR과는 다른 기술입니다. 템플릿 매칭(template matching)은 문자인식의 단순한 한 가지 방식입니다. 인식 대상인 템플릿을 준비해서 대상 이미지와 계산한 후 유사도가 가장 높은 문자를 인식 결과로 합니다... 2023. 6. 7. 자연어처리(NLP; Natural Language Processing) - 딥러닝을 이용한 자연어처리 (4) 2. 머신러닝을 이용한 자연어처리 앞서 설명한 바와 같이 자연어처리 기술은 수작업으로 문법이나 사전을 사전에 구성하는 (종래형) 방법에서 대규모 말뭉치(corpus)를 전제로 한 통계적 방법으로 발전했습니다. 그러나 대규모 데이터 처리에는 통계적 방법뿐만 아니라 머신러닝(machine learning), 특히 딥러닝(deep learniing)이 유용하게 사용되고 있습니다. 통계기반 기계번역과 인공신경망 기계번역은 딥러닝을 활용합니다. 사람은 학습 데이터를 수집하고 가공해서 컴퓨터에 던져주고, 컴퓨터는 입력된 학습 데이터를 바탕으로 스스로 공부합니다. 학습(learning)이 끝나면 번역 프로그램이 스스로 공부한 바를 바탕으로 새로운 문장을 보더라도 번역할 수 있는 능력을 키울 수 있습니다. 2.1 딥러.. 2023. 6. 3. 자연어처리(NLP; Natural Language Processing) - 종래형 자연어 처리 (1) 자연어 처리(NLP; Natural Language Processing)는 인공지능 연구의 주요 분야 중 하나로, 1950년대부터 기계번역과 같은 자연어 처리 기술이 연구되기 시작했습니다. 1990년대 이후에는 대량의 말뭉치(corpus) 데이터를 활용하는 기계학습 기반 및 통계적 자연어 처리 기법이 주류가 되었으며, 최근에는 심층 기계 학습(딥러닝; deep learning) 기술이 기계 번역 및 자연어 생성 등에 적용되고 있습니다. 우선 용어를 정리하겠습니다. 한국어, 영어, 프랑스어 등과 같이 인간사회의 형성과 함께 자연발생적으로 생겨나고 세월의 흐름과 함께 진화하고 일상의 생활 속에서 서로 의사소통을 행하기 위한 수단으로써 사용되고 있는 언어 (language)를 자연어라고 합니다. 반면에 컴퓨터.. 2023. 5. 31. 딥러닝(Deep Learning) (2) - 자기부호화기(autoencoder) 및 LSTM(Long Short-Term Memory) (앞 편의 합성곱 신경망에 이어서 공부합니다.) 3. 자기 부호화기(autoencoder) 자기 부호화기(autoencoder)는 3층 구조의 계층형 신경망입니다. 자기 부호화기(autoencoder)는 입력층과 출력층에 같은 수의 인공 뉴런이 있고, 은닉층에는 입출력층의 인공 뉴런보다 적은 수의 인공뉴런을 배치한 형태입니다. (그림 2) 자기 부호화기(autoencoder)는 원래 비지도학습(unsupervised learning)으로 차원 축소(dimensionality reduction)가 목적인 계층형 신경망입니다. 그 의미를 살펴보면 다음과 같습니다. 자기 부호화기에 넣은 학습 데이터는 입력층의 신경망 개수가 같은 차수의 벡터입니다. 자기 부호화기에서는 특정 학습 데이터에 대응하는 데이터와 일치.. 2023. 5. 24. 딥러닝(Deep Learning) (1) - 합성곱 신경망(Convolutional Neural Network) 이제부터는 심층학습 또는 딥러닝(Deep Learning)이라 불리는 머신러닝(Machine Learning)에 대해 공부하고자 합니다. 1. 딥러닝(Deep Learning; DL)이란 딥러닝(Deep Learning)은 신경망을 이용한 머신러닝의 일종입니다. 딥러닝의 학습대상인 신경망은 일반 신경망과 비교해 대규모이며 복잡하다는 특징을 가지고 있습니다. 딥러닝 기술을 활용하면 신경망을 이용한 대규모 학습이 가능해집니다. 딥러닝은 이번 세기에 들어 엄청난 발전을 이루었습니다. 딥러닝이 발전하게 된 여러 가지 배경들을 정리하면 아래 (표 1)와 같습니다. (표 1) 딥러닝의 발전 배경 항 목 설 명 하드웨어 기술의 발전 CPU의 고속화와 멀티코어화, GPU를 일반 계산처리에 이용하는 GPGPU 기술의 발.. 2023. 5. 23. 인공지능(AI)과 인공 신경망(Artificial Neural Network) (2) 2023.05.19 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI)과 인공 신경망(Artificial Neural Network) (1) (인공 신경망은 하드웨어로 구현될 수도 있으나, 주로 컴퓨터 소프트웨어로 구현됩니다. 인공 신경망은 기초 컴퓨팅 단위인 뉴런 여러 개가 가중된 링크(weighted link)로 연결된 형태입니다. 가중된 링크(weighted link)는 주어진 환경에 적응할 수 있도록 가중치를 조정할 수 있습니다.) 인공 신경망은 초기 퍼셉트론을 시작으로 순환 신경망(RNN: Recurrent Neural Network), 합성곱 신경망(CNN: Convolutional Neural Network), 자기 조직화지도 (SOM: Self-Organ.. 2023. 5. 21. 인공지능(AI) 연구의 분야 별 발전 과정 (3) 2023.05.08 - [분류 전체 보기] - 인공지능(AI) 연구의 분야 별 발전 과정 (2) 7. [2010년~] 딥러닝의 발견, 빅데이터 시대의 도래 1) 딥러닝이 이미지 인식분야에 혁신 이미지 인식, 즉 영상에 무엇이 찍혀 있는지를 판단하는 기술은 이미지 처리에 중요한 과제로 오래전부터 연구되어 왔습니다. 20세기에는 다양한 방법이 제안되어 표준 벤치마크 문제에 대한 인식의 정확도도 점점 향상되고 있었습니다. 세계적으로 이미지 인식 기술의 중요한 축을 형성하는 이미지 넷 대용량 영상 인식 대회(ILSVRC; Large Scale Visual Recognition Challenge)라는 세계 대회가 있습니다. ILSVRC에서 특정 이미지 데이터세트에 포함된 이미지가 무엇인지를 분류하는 과제에서 우승.. 2023. 5. 9. 인공지능(AI) 연구의 분야 별 발전 과정 (2) 2023.05.07 - [인공지능(AI; Artificial Intelligence)] - 인공지능(AI) 연구의 분야 별 발전 과정 (1) 5. [1960년~] 퍼셉트론과 오차역전파법 1) 인공 신경망(Artificial Neural Network) 인공 신경망(Artificial Neural Network)은 생물의 신경세포가 구성하는 회로망을 모델로 해서 수학적으로 모방한 계산 기구입니다. 신경세포를 모방한 구성 요소인 인공 뉴런(Artificial Neuron)이 복수 결합해서 신경망을 형성합니다. 인공 신경망의 개념을 처음 제창한 사람은 워렌 매컬로치(Warren McCulloch)와 월터 피츠(Walter Pitts)입니다. 이들은 1943년 논문에서 인공 뉴런의 수학적 모델을 발표하였습니다... 2023. 5. 8. 우리 생활 및 산업에 인공지능(AI) 기술 활용 사례 오늘은 우리 주변에서 흔히 접할 수 있는 인공지능(AI) 기술을 활용한 사례들과 기반이 되는 기술들을 간략하게 정리해 보겠습니다. 1. 생활 속 인공지능 기술 응용 사례 1) 스마트폰 음성응답 시트템 전형적인 사례가 애플의 시리(Siri)와 같은 스마트폰 음성응답 시스템입니다. 스마트폰 음성응답 시스템은 자연어로 음성을 입력하면 키워드에 따라 정보를 검색하거나 스마트폰을 조작합니다. 또한 검색 결과나 조작의 결과를 문자나 음성의 형태로 사용자에게 응답합니다. 이러한 처리를 구현하려면 한국어나 영어와 같은 자연어로 입력된 음성을 단어로 인식하는 음성인식(Speech Recognition) 기술과 주어진 지시의 의미를 해석하는 자연어처리 기술이 사용됩니다. 또한 음성으로 응답할 때는 음성합성(Speech S.. 2023. 5. 6. 인공지능(AI)이란 무엇인가? (1편) 인공지능(AI)은 기본적으로 컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 번역하고 데이터를 분석하고 추천하는 기능 등 인간의 지성이 필요하거나 대량의 데이터를 처리하는 방식을 포함한 다양한 기능을 수행할 수 있는 일련의 소프트웨어 기술입니다. 이런 기능을 구현하기 위하여 AI는 컴퓨터 공학, 데이터분석 및 통계, 하드웨어 및 소프트웨어 엔지니어링, 언어학, 신경과학은 물론 철학과 심리학 등 여러 학문과 광범위하게 연결되어 있습니다. 1. 인공지능(AI)의 유래와 학문으로서의 위치 인공지능(Artificial Intelligence: AI)이라는 용어는 1956년 미국 Dartmouth College에서 열린 인공지능을 주제로 한 학술회의에서 John McCarthy라는 학자가 처음으로 사용했다고 전해.. 2023. 5. 2. 이전 1 다음 728x90
