위와 같이 시각정보를 인식하는 생물학적 개념은 앞서 읽어보기를 권했던 딥러닝 컨볼루셔널 네트워크를 이미지 인식의 개념(조대협님의 블로그)의 컨볼루셔널 레이어의 이미지 필터링 과정과 유사합니다. CS231n의 7강에서 다룰내용과 이어집니다.
딥러닝 일러스트레이티드 page.12
Lecture7.슬라이드 29page
컨볼류션 레이어를 통과하여 나온 결과물이 고양이 실험과 이어지는 것처럼 생각되시나요?
컴퓨터 비젼에서 딥러닝은 이미지 데이터로로부터 edge의 여러 방향적 특징을 뽑아낸 결과물을 가지고 학습하여 예측합니다.
1.3 컴퓨터 비전기기술의 미래
강의에서는 보다 다양한 방법으로 이미지의 Feature를 인식하여 여러 분야에 적용하는 사례들을 발전 과정을 통해 설명하고 있습니다. 잠시 다음 강의부터 사용하게될 CIFAR10의 이미지 분류에 관한 배경지식을 짚고 넘어가는게 좋겠습니다. CIFAR는 캐나다의 제프리 힌튼(Geoffrey Hinton)교수의 연구소 CIFAR(Canadian Institute for Advanced Research)를 이야기 합니다.
제프리 힌튼교수는 심층 신뢰 신경망(Deep Belief Network, DBN)이라는 딥러닝에 매우 효과적인 알고리즘에 관한 논문을 발표하면서 딥러닝의 긴 암흑기의 전환점을 불러일으킨 인물이죠. 우리가 잘 알고있는 이미지넷의 2012년 우승모델인 AlexNet이 힌튼교수의 연구실에 있던 Alex라는 박사과정의 학생에 의해 만들어진 것입니다.