[활동1] 인공지능이 이미지를 인식하는 방법
인공지능이 이미지를 인식하는 방법
인공지능이 이미지를 인식하기 위해서는 ‘특징 추출’ 과정이 필요합니다. 인공지능의 이미지 인식 과정을 자세히 살펴보기 전에 다음 동물들을 분류하기 위해 특징들을 적어봅시다.
동물 |
특징 |
낙타 |
|
사자 |
|
앵무새 |
|
원숭이 |
|
하마 |
|
얼룩말 |
|
코끼리 |
|
코알라 |
|
기린 |
|
CNN모델이란 Convolutional Neural Network의 약자이며 이미지 분석을 위해 가장 보편적으로 사용되는 딥러닝 알고리즘으로 합성곱을 사용하여 이미지의 특징을 추출합니다. 데이터의 공간적 정보를 유지하면서 배열 데이터 정보를 다음 레이어로 보낼 수 있어서 이미지 분야에서 적극 활용되고 있습니다.
위 그림과 같이 크게 ‘특징 추출’과 ‘분류’ 2단계로 나뉩니다. 특징 추출 단계는 입력 데이터의 고유한 특징을 찾아가는 단계입니다. 합성곱, 채널, 필터, 패딩이라는 과정을 통해 사물의 윤곽선, 색의 대비 등 입력된 이미지의 특징을 추출합니다. 이것이 바로 컨볼루션 레이어의 역할입니다. 이후 이미지의 크기를 줄이거나 중요한 특징을 강조하여 좀 더 빠르고 효율적으로 학습할 수 있도록 도와주는 풀링 레이어가 있습니다. 즉, 컨볼루션 레이어는 입력된 이미지에서 특징을 추출하는 데 사용되며, 풀링 레이어는 추출된 특징을 요약하고 이미지를 축소해줍니다.
분류 단계는 찾은 특징들을 바탕으로 클래스를 고르는 단계입니다. 컨볼루션 레이어와 풀링 레이어를 반복적으로 거치면서 주요 특징만 추출되는데 모두 2차원 데이터로 이루어져 있습니다. 이것을 1차원 데이터로 바꾸는 플래튼 레이어가 있으며 완전 연결 신경망을 통해 최종적으로 우리가 원하는 분류를 수행합니다.
[관련 자료]
- 구글 잼보드: https://m.site.naver.com/1qlZn
[수업활동 Tip]
1) 특징 추출 단계에서 합성곱을 구체적으로 다루지 않더라도 CNN 모델을 위해 이미지를 2차원 배열 형태로 바꾼다는 것을 인지시키도록 합니다.