[음악] 딥러닝이 이미지넷 대회에 큰 영향을 끼친 걸 보았습니다 150만 개의 이미지를 딥 신경망에 집어넣어서 카테고리 천 개를 놀라운 성능으로 예측했죠 이제 어떤 종류의 카테고리가 있었고 예측이 얼마나 대단했는지를 보겠습니다 예를 하나 들겠습니다 이미지넷 데이터 세트의 AlexNet 프레임인데 웹사이트에서 검색할 수 있게 해뒀습니다 이미지를 클릭할 때마다 서비스로 전송되는데 GPU에 집어넣고 예측을 받아 돌려줍니다 이 이미지를 클릭하면 아마존 AWS에 호스팅 중인
서비스에 전송됩니다 예측이 여기 반환됩니다 감춰져 있는데 클릭하면 나옵니다 이 이미지가 뭔지 불분명하게 보이지만 클릭해보면 주차 요금 징수기라고
오른쪽에 나옵니다 두 번째 예측은 자물쇠네요
그렇게 보이기도 합니다 주차 요금 징수기가 맞습니다 아주 멋지죠 다른 예를 보여드리죠 이걸로 합시다 아마존 AWS로 갔다 예측이 돌아옵니다 제 예측으로는 스크린, 모니터,
오실리스코프인데 모니터라고 하네요 스크린과 모니터의 차이가 뭔지 모르겠지만요 다양한 이미지가 있는데 몇 개 클릭해보죠 이걸 클릭하면 전송됩니다 알고리즘은 저어새라고 하는데 맞습니다 훌륭하군요 마지막으로 여기 이걸 클릭하면 딥러닝 서비스로 전송되고 GPU가 맥주병, 탄산음료병이라고 알려줍니다
실제론 맥주병입니다 이 모든 이미지는 이미지넷
데이터 세트에 있었습니다 데이터 세트에 없는 이미지를 보내려면 이걸 클릭해서 서비스로 전송합니다 호스팅 되는 AWS로 말이지요 예측이 돌아왔는데 래브라도 리트리버랍니다
제 개입니다 [웃음] 회사 로고의 이 개입니다 원 데이터 세트에 없던 이미지도 예측이 가능함을 볼 수 있습니다 캡스톤 프로젝트에서 이미지 예측이 아닌 상품 이미지를 받아 딥러닝을 통한 추천을 하는 서비스를 호스팅합니다 이런 웹사이트를 만들어서 누구든 갖고 놀고, 사용해서 지금까지 배운 기계학습의
능력을 볼 수 있게 합니다 [음악]