컴퓨터 비전과 머신러닝

머신러닝 machine learning

머신러닝은 데이터에서 패턴을 학습해 새로운 입력을 예측하거나 데이터의 구조를 찾는 인공지능 기법.

• 지도 학습(supervised learning): 입력 $x$와 목표값 $y$의 관계를 학습
• 비지도 학습(unsupervised learning): 목표값 없이 데이터의 내재적 구조를 학습
• 강화 학습(reinforcement learning): 환경과 상호작용하며 누적 보상을 높이는 행동을 학습
• 딥러닝(deep learning): 여러 층의 인공신경망을 이용하는 머신러닝 방법

지도 학습

지도 학습은 입력과 목표값이 짝지어진 데이터로 $x$에서 $y$를 예측하는 함수를 학습. 학습한 함수는 목표값이 아직 관찰되지 않은 새 입력에 적용.

• 부품 사진 $x$ → 불량 여부 $y$
• 사고 차량 사진 $x$ → 예상 수리비 $y$

이미지 분류의 원리

• 디지털 이미지는 픽셀값의 배열
• 가로 100 × 세로 100인 RGB 이미지는 $100\times 100\times 3=30,000$개의 값으로 구성
• 이미지를 이 값들로 이루어진 고차원 공간의 한 점으로 표현 가능
• 분류 모형은 서로 다른 클래스의 점을 나누는 결정 경계(decision boundary)를 학습