CNN (Convolutional Neural Network)

 

 

 

 

CNN

:주로 컴퓨터 비전(이미지, 동영상관련 처리) 에서 사용되는 딥러닝 모델로 이미지로 부터 특성을 추출하는 Convolution 레이어를 전처리 Layer로 포함시킨 딥러닝 모델.

 

 

Image Classification (이미지 분류)

입력된 이미지가 어떤 라벨에 대응되는지 이미지에 대한 분류(Classification)을 처리. 딱 그 물체의 사진

 

Object Detection(물체 검출)

이미지 안의 Object(물체)들의 위치를 찾고 어떤 물체인지 분류하는 작업을 한다.

Localization : 이미지안에서 하나의 Object의 위치와 class를 분류한다.

Detection: 이미지 안의 여러개의 Object의 위치와 Class를 분류한다.

Object Detection

 

Image Segmentation(세분화)

: 이미지를 입력받아서 픽셀별로 분류

 

 

Semantic segmentation(의미기반 세분화)

클래스 단위로 구분한다.

같은 클래스는 같은 것으로 구분한다.

 

Instance segmantation(인스턴스 기반 세분화)

각 객체 단위로 구분한다.

동일한 클래스라도 다른 객체일 경우 다른 것으로 구분한다.

Instance Segmentation은 어디있는지만 알려주는게 아니라 하나하나 물체가 무엇인지 알려준다.

 

 

Super Resolution

: 저해상도의 이미지를 고해상도로 변환 

 

 

 

keypoint detection(특징점 검출)

인간의 특징점(Keypoint)들을 추정한다.

풀고자 하는 문제에 따라

- Human Pose estimation: 사람의 관절을 검출해 자세를 추정. 가장 일반적인 것. (ex. 운동분야)

- Face keypoint detection: 사람얼굴의 각 특징점을 추출해 사람의 표정등을 추정 (ex. 차량안에서 사람이 졸고 있는지 아닌지 표정으로 알아볼수 있다.)

- Hand detection: 손가락 관절들을 검출하여 손의 형태를 추정한다.

=> 찾고싶은 포인트들로 정보를 얻을 수 있다.

 

 

 

Computer vision이 어려운 이유

1. 사람과 컴퓨터가 보는 이미지의 차이가 있다.

2. 배경과 대상이 비슷해서 구별이 안되는 경우(명암이나 배경에 의해 경계가 구별이 안된다.)

3. 같은 종류의 대상도 형태가 많다.

4. 대상이 가려져 있는경우

5. 같은 class에 다양한 형태가 있다.