티스토리 뷰
1️⃣ 이미지 데이터란?
▶ CNN과 이미지 데이터
- CNN은 대표적인 딥러닝 모델
- 이미지 분석 작업에 최적화된 성능을 보인다.
(CNN이 이미지 분류만을 하기 위한 모델은 아니지만 분류를 잘 하기 위한 방향으로 발전된 모델이다)
- CNN이 이미지 데이터를 잘 학습하는 원리를 알기 위해서 이미지 데이터를 이해할 필요가 있다.
이미지 데이터
- 사진, 그림 등을 컴퓨터로 저장한 데이터
- JPG, PNG 등
픽셀 (Pictures Elements)
- 이미지는 픽셀이라 불리는 점을 기반으로 구성된다.
- 각 픽셀은 색깔이나 밝기 정보를 가진다.
- 이러한 픽셀이 가로, 세로로 모여 2차원 이미지를 형성한다.
- Pictures Elements → Picel → Pixel
이미지 데이터 종류
1) 컬러 이미지
- 픽셀값이 색상을 저장
- 각 픽셀은 3가지 값(채널)을 가진다. → RGB 채널 (예: [R: 102, G: 243, B: 19])
- 각 채널은 8비트의 수로 이루어진다. → 채널 3개 * 8비트 = 총 24비트 (2^24개의 색을 표현 가능)
- 각 채널의 값이 클수록 색의 세기가 강해진다. → Red채널 값이 크면 이미지가 전반적으로 Red계열 색상을 보인다.
2) 흑백 이미지
- 픽셀값이 밝기를 저장
- 각 픽셀은 한가지 값만 가진다. → 해당 위치에서의 밝은 정도
- 마찬가지로 각 픽셀은 8비트의 값을 가진다.
- 값이 클수록 흰색에 가깝다(밝다).
2️⃣ 딥러닝을 활용한 이미지 처리 사례
▶ 사물 인식 (Object Detection)
자율주행, 안면 인식, 의료 이미지에서 비정상 부위 탐지, ...
▶ 이미지 캡셔닝 (Image Captioning)
이미지 분류 결과를 기반으로 이미지를 설명하는 문장 생성
▶ 이미지 합성 – 딥페이크 (DeepFake)
한 사람의 얼굴에 다른 사람의 얼굴을 합성
▶ 화질 개선
Super Resolution, NVIDIA DLSS
▶ 알파고 (AlphaGo)
바둑판 이미지를 통해 학습
3️⃣ 딥러닝 이전의 이미지 처리 기법
- 딥러닝 이전에도 수많은 이미지 처리 기법들이 발전해왔다.
- 포토샵 등 이미지 편집 프로그램에서 쉽게 접할 수 있다.
- 현재는 딥러닝 모델 학습을 위한 데이터 가공에도 사용한다.
▶ 형태 변환
이미지 데이터가 보이는 형태를 변환
▶ 색상 변환
픽셀이 가지는 값 자체를 변환
- 대조 변화 : 색상끼리 얼마나 대조되는지를 조절
- 흑백 변화 : 컬러 이미지의 RGB채널 중 1가지를 가져와서 색상의 세기를 밝기로 변환 (따라서 흑백에서 컬러로 변환은 불가능)
▶ 필터 변환
특정 필터를 사용하여 이미지를 변환
- 필터가 CNN에서 핵심 역할을 한다. (추후 공부할 예정)
이 글은 엘리스의 AI트랙 5기 강의를 들으며 정리한 내용입니다.
'개발공부 > 🤖 DL & ML' 카테고리의 다른 글
| [자연어 처리] 텍스트 전처리 및 단어 임베딩 (0) | 2022.11.03 |
|---|---|
| [CNN] Convolutional Neural Network (0) | 2022.11.02 |
| [딥러닝 기초] 딥러닝 모델 학습의 문제점 (0) | 2022.11.01 |
| [딥러닝 기초] 텐서플로우와 딥러닝 학습 방법 (0) | 2022.10.28 |
| [딥러닝 기초] 퍼셉트론 (0) | 2022.10.25 |
프론트엔드 개발자 삐롱히의 개발 & 공부 기록 블로그