이미지 분류

이미지에서 객체(Object)나 장면(Scenes)과 같은 요소를 인식하고 분류하는 알고리즘

지도 학습: 이미지와 클래스를 할당해 데이터세트를 구성

• 단일 클래스 분류(Single Classification)

  이미지 안에 서로 다른 여러 객체가 존재하더라도 하나의 대표 클래스로만 이미지를 분류

  참인지 거짓인지를 판별

  개인지 개가 아닌지

• 다중 클래스 분류(Multi-Class Classification)

  개인지, 고양이인지 / 개의 품종 분류

• 다중 레이블 분류(Multi-Label Classification)

  입력 이미지에서 여러 클래스를 예측: 하나의 이미지 안에서 여러 클래스를 예측할 수 있음

  개, 소파 블라인드 등을 검출

이미지 분류에 사용되는 기술

1. 서포트 벡터 머신(SVM)
2. K-최근접 이웃 알고리즘(KNN)
3. 의사결정 나무(Decision Tree)
4. 인공 신경망(ANN)
5. 합성곱 신경망(CNN)

AlexNet

합성곱 신경망 구조의 모델(인식 오류율 약 16%)

이미지 특징 추출: 합성곱과 최댓값 풀링 계층활용, 이후 완전 연결 계층을 통해 클래스를 분류

순전파 과정: 특징 맵의 차원수는 증가(모델의 표현력이 증가), 특징 맵의 크기는 감소(연산량을 줄임)

LeNet-5

서브샘플링(데이터 압축): 평균값 풀링을 적용하고 활성화 함수는 출력층에서 시그모이드, 나머지 계층에서 하이퍼볼릭 탄젠트를 사용