[Stanford University CS231n, Spring 2017] Lecture 1 | Introduction to Convolutional Neural Networks for Visual Recognition

구글링 중 cs231n 이라는 강좌를 우연히 알게 되었다.

 

컴퓨터 비전과 인공 신경망에 대해서 겉핥기 식으로 대충 감만 잡다보니

영... 감이 안왔다.

 

그래서 cs231n 강좌를 들어보고 공부를 해보고자 한다.

 

유투브 링크는 다음과 같다.

https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk&index=1

 

유투브에 보면 강의에서 사용하는 교육자료를 ppt로 다운받을 수 있었다.

 

1강이라 특별한 내용은 별로 없었다.

 

 

컴퓨터 비전과 관련된 용어들과 분야를 알려 주었다.

 

 

1970년 대의 논문인데 , 컴퓨터가 이미지를 시작적으로 어떻게 처리를 하는지에 대해서 연구한

논문을 보여줌으로써 컴퓨터 비전은 이미 옛날부터 연구가 시작이 되었음을 알려주었다.

 

 

이 사진은 1997년 이미지 분류를 시도한 사진인데 겉으로 봤을 때는 그래도 나름 준수한 결과라고 인식이 되었다.

 

 

이 사진은 2001년에 발표된 논문인데, 이미 옛날부터 객체인식 또한 가능했음을 알려주고 있다.

 

이 사진은 1999년 SIFT와 Object Recognition에 대해서 연구한 사진인데 

정말 대단한것은 무려 20년 가량 전에 이야기인데 낯설지가 않았다.

 

시대가 바뀌고 시간이 흐를수록 기술이 발전함을 계속 보여 주었다.

 

이 사진 또한 시간이 흐름에 따라 정교한 모델이 만들어 짐을 알 수 있다.

 

 

PASCAL Visual Object Challenge 라는 대회가 있는데 시간이 지남에 따라 정확도가 높아지는 것을 설명해 주었다.

 

 

이 사진은 imagenet 에서 우승한 알고리즘들을 2015년까지 나타낸 것인데 시간이 지남으로써 layer의 갯수가 증가하는 것을 알 수 있다. 이 뜻은 기술 또한 발전한다는 의미같다.

 

 

그런데 한가지 놀라웠던 사실은 알고리즘이 개발되어진 것이 아니라 옛날에 나왔던 것이

재발견(?) 되었다는 것이였다.

그 이유는 컴퓨터에서 돌릴 수 있는 용량또한 기술의 발전으로 늘어났기 때문이다

결론은 "계산"의 힘이라고 말해 주었다.

 

왼쪽 사진에서 이미지에서 분류를 하기 위해 오른쪽 처럼 몇 단계를 거쳐야 하는지 보여주는 것이다.

생각보다 아주 복잡해 보인다.

 

이처럼 1강은 강의에대한 일반적인 소개와 역사를 보여주었다.

 

아주 기대가 되는 강의이다.