[음악] 딥러닝이 얼마나 훌륭한지 배웠습니다 다양한 분야에 적용가능한데 자세한 특징을 학습시켜
높은 정확도를 달성할 수 있죠 신경망이 이를 도울 수 있고요 컴퓨터 비전에서의 다양한
이미지 분석 작업에 활용될 수 있음을 보았습니다 회귀와 분류 등의 기계학습 작업을
요약해서 보여주는 블록 다이어그램으로 돌아가 볼게요 딥러닝을 통한 컴퓨터 비전은
어떻게 적용돼야 할까요? 그중에서도 이미지 분류에 쓰이는
딥 특징을 알아봤습니다 이미지 분류를 위한 딥 특징 입력은 라벨이 붙은 이미지 짝입니다 라벨은 고양이, 개, 주택 등의 물체들이 있었습니다 특징 추출기에 집어넣습니다 딥러닝 모델을 특징 추출기로 쓰는 겁니다 출력은 각각의 이미지에 대한 딥 특징입니다 이제 대표적인 특징을 기계학습 모델에 넣습니다 로지스틱 회귀와 같은
간단한 분류기를 사용합니다 로지스틱 회귀라고 씁니다 결과값은 예측 라벨입니다 예측 라벨 예측 라벨 y^과 실제 라벨 y를 품질 측정기에 넣습니다 y와 y^, 품질 측정은
작업에 따라 다릅니다 이때는 분류 정확도를 씁니다 파라미터 w^은 로지스틱 회귀의 가중치 파라미터입니다 특징에 대한 가중치죠 기계학습 알고리즘은 이제 가중치 w^을 갱신해서 분류 정확도를 향상시키려고 할 겁니다 딥러닝이 컴퓨터 비전의 다양한 작업에서 뛰어난 성과를 낼 수 있다는 걸 봤습니다 분류와 새로운 이미지 검색에 단순 신경망과 딥 특징이
적용될 수 있음을 봤습니다 노트북에서 딥러닝 모델 구축과 컴퓨터 비전의 기계학습 작업을 실제 적용하는 것도 쉬움을 확인했습니다 분류와 이미지 검색을 통해 정확히 제가 원하는 신발을 찾았습니다 이를 통해 기계학습에서 가장 많이 쓰이는 딥러닝이란 기법을 활용한 똑똑한 애플리케이션을 만들 수 있게 될 것입니다 [음악]