[CS231n] #1. Computer Vision의 역사
# 안구의 구조를 모방하며 개발된 카메라를 시작으로, 단순히 구조를 모방하는 것 뿐만 아니라 시각적 인지를 하는 방법에 주목하기 시작했다.
# 실험동물의 대뇌피질이나 후두엽에 전극을 연결하고 실험한 결과 물체를 인지하기 위해서 특정 각도의 선, 형태를 각각 받아들이는 요소들이 뉴런 중에 있음을 알게 되었다.
# 대략적으로 뇌 / 인지 심리학에서 배우는 내용이었다.
# 애초에 '인식'을 하기 이전에 이미지로 부터 각각의 물체를 '구분'하는 것 부터가 난관이었다.
1999 / 2000 년도 :: 기계학습의 시작
- Neural Network, Support Vector Machine 등등의 기술이 발전하면서 최초의 얼굴인식 카메라등이 발매됨
- 같은 물체를 다르게 촬영했을 때, 두가지 물체가 동일하다는 것을 어떻게 판단할 것인가?
- - 각각의 특징들을 인식하고 이미지에서 매칭시키는 것이 더 쉽다는 것
- Spatial Pyramid Matching
- Support Vector Algorithm(Machine)
- Pascal Visual Object Challange: 얼마나 객체 인식 성능이 좋은지를 평가하는 지표
- 디지털 카메라등의 보급으로 디지털화 된 고품질 데이터가 급격히 늘어나기 시작함
- - 온라인 판매 플랫폼 (아마존 같은) 에서 상품 정보 이미지를 올리고 카테고리화 하면서 데이터 ++
- IMAGENET : 이미지 데이터 안에서 올바른 개체를 분리하고 인식하는 성능을 측정
- - 오류율은 점차 줄어들며 2012년에 드라마틱하게 감소,
- - - Convolutional Neural Networks 알고리즘이 개발된 해라서!
CNN, a.k.a Convolutional Neural Networks
2012년에 AlexNet, 혹은 SuperVision이라고 불리는 방식이 등장하고 늘 최고의 방식은 Neural Networks이 차지함
이후 튜닝, 개선, 컴퓨팅 파워의 향상 등으로 급속한 발전 중
1998년에 벨 연구소에서 이미 글자인식을 하기 위해 유사한 방식을 이용했으나, 성능 문제로 실현되지 못함
더더욱 데이터 자체도 매우 부족해서 학습시키기 어려웠음
행동 인식의 경우와 2D이미지를 바탕으로 3D 방식으로 인식하는 것 또한 발전하고 있다.
최근의 경우에는 깊이 센서 (Depth Sensor)를 이용해 애초에 깊이 데이터를 내재시키거나 하는 방식도 있음
향후 발전 여지가 많으며, 분야 또한 한도 끝도 없다
1강 끝.