딥러닝이 이렇게 이미지의 복잡한 특징을
학습하기 때문에 무척 유용합니다 전에 설명드린 바와 같이요 다양한 컴퓨터 비전 분야에서 최근 들어 엄청난 영향을 끼쳤습니다 초기 예를 몇 개 보여드리죠 여기 위쪽에 보이는 건 신경망을 통해 교통 표지판을 인식하는 예입니다 독일 교통 표지판 데이터 세트인데 각 이미지가 주어질 때 어떤 표지판인지
인식합니다 연구진은 딥 신경망을 통해 99.5% 정확도를
달성했습니다 꽤 멋지죠 밑에는 스트리트 뷰에서 주택 번지를 인식하는 예입니다 구글이 자동차로 돌아다니면서 전세계의 거리를 찍고 다닌 데이터죠 이미지가 상당히 복잡하지만 문자당 97.8% 정확도를 달성했다고 합니다 흥미로운 결과죠 하지만 모든 걸 뒤바꾸고 이 분야를 진동시킨 사건은 2012년에 일어났습니다 오랫동안 이미지넷이라는 이미지 인식
경진대회가 있었습니다 2012년 이미지넷 경진대회에서는 카테고리 1000개와 훈련 이미지
120만장을 제공했습니다 목표는 이미지를 분류하는 거였죠 단순히 개인지 여부만이 아니라
골든 리트리버인지 래브라도인지 같은 세밀한 분류를 해야 했습니다 많은 팀이 겨뤘죠 세 팀이 우승을 다퉜습니다 OXFORD_VGG란 팀이 있었는데
상당히 괜찮은 정확도를 보여줬습니다 최고의 추측 다섯 개를 보면 거의 맞춥니다 오류는 25% 정도였고요 ISI라는 팀은 좀더 잘했습니다 SIFT와 같은 전통적인 기법과 정교한 기법을 동원했습니다 같은 해 SuperVision이란 팀이 있었습니다 딥 신경망을 사용했는데 다른 팀에 비해
엄청난 개선을 보였습니다 그 뛰어난 성능은 곧 컴퓨터 비전에서의 딥 신경망 사용을 크게 늘렸는데 사람이 만든 특징이 아닌 자동학습이
가능했기 때문입니다 대회에서 우승한 알고리즘은
AlexNet 신경망이라고 합니다 팀 논문을 지금 보여드릴텐데 여덟 층과 6천만 파라미터로 이루어져 있으며 수많은 이미지, 파라미터를 다루는 훈련 알고리즘과 대규모 데이터 세트를 처리하는
GPU 구현이 있었기에 가능했습니다 [음악]