humit시험기간에 프로젝트 여러 개가 겹치니 통 접속을 못했었네요...ㅠㅠㅠ...
거의 3일 전부터 계속 밤새서 프로젝트를 진행했네요... 왜 하필 플젝의 마감 기일이 동일한지...
그 중 하나는 LiDAR라는 카메라(?) 영상을 가지고 해당하는 물체가 어떤 물체인지를 판별하는 방법을 연구하는 내용입니다.
아래 사진은 붉은 색으로 표시가 된 부분이 트럭에 해당하는 물체입니다.
데이터 셋도 없어서 일일히 라벨링 작업도 하고(사진으로 된 것이 아니라 이게 전봇대인지 사람인지 구별이 잘 안가더군요...ㅠ) 프로그램도 짜느라 정말 오래걸렸네요..ㅠㅠ
생각보다 데이터 셋이 적은데도 70~80%정도의 인식률을 가지더군요. 확실히 딥러닝 기술이 좋은 것 같긴 합니다.
TVJ
대전댁
재미있어 보이네요 ㅎ
저희 학교에서도 자율주행차가 순환도로를 돌아다니는 것을 종종 목격했는데요
화이팅입니다! ^^
독감이 유행인데 건강하시길 기원합니다 :)
자율 주행에 관련된 기술같아보이는데 신기하네요..
딥러닝은 진짜 대박인 듯합니다bb
딥러닝이면, 이런 학습을 지속적으로 하면 할 수록 인식률이 더 좋아지는 건가요?
일단 학습량이 많을수록 인식률이 일반적으로 올라가긴 하지만, overfitting이라고 해서 너무 학습데이터에 맞게 학습이 되어서 성능이 감소하는 경우가 있습니다. 그래서 이 현상을 막기 위해서 dropout과 같은 방법을 사용합니다.
알파고만 생각해서 그런지, 그 정도 레벨까지 올리려면 올바른 많은 학습과 강력한 시스템이 구축되어야 하겠네요.
쓸데 없는 내용을 학습한다기 보다는 일부의 데이터로 인해서 학습 내용이 어그러질 수 있다라고 하는 표현이 맞을 것 같네요.
아래 사진을 보시면 사람들에게 x와 o로 분류를 하라고 한다면 가운데 부분에 있는 방식대로 하는 것이 적절하지 오른쪽에 있는 방식대로 하는 것은 별로 좋지 않습니다. 저기에 따로 뺀 2개의 x가 특수한 경우에서만 발생하는 경우일 수가 있기 때문이죠.
어쨌든 데이터가 많으면 많을 수록 좋은 것은 사실이긴 합니다 ㅎ.. 그리고 추가로 계산 속도를 빠르게 할 수 있는 시스템까지 갖춰지는 것도 중요합니다 ㅎㅎㅎ
굉장히 흥미로운 내용이지만 복잡하겠네요.
댓글 달기