사람

기업

게시물

CNN은 사람과 보는 방식이 어떻게 다른가? ImageNet - Train CNNs are biased towards texture; increasing shape bias improves accuracy and robustness(https://openreview.net/pdf?id=Bygh9j09KX)를 읽고 정리해봤습니다. 최대한 내용 명확하게 전달하기 위해서 논문에 있던 자잘한 내용들은 생략했습니다. 요약 1. 기존의 CNN이 이미지 분류를 할 때, 형상 정보를 기반으로 인식을 한다는 형상 정보 가설(Shape Bias Hypothesis)와 질감 정보를 기반으로 인식한다는 질감 정보 가설(Texture Bias Hypothesis)가 존재했다. 2. 사람과 CNN이 영상 데이터를 어떤 관점에서 분류하는지 확인하기 위해 정신 물리학 실험을 수행했다. 해당 실험을 통해서 사람은 형상 정보에 편향 되어있고, CNN은 질감 정보에 편향 되어 있음을 확인할 수 있었다. 3. 모델을 SIN/IN 데이터를 혼합하여 학습하면 모델을 형상 정보로 편향시킬 수 있다. 형상 정보로 편향된 모델이 기존 IN 데이터로만 학습된 모델보다 더 좋은 성능을 나타냄과 동시에 전이 학습(Transfer learning)에서도 성능 개선이 유효함을 확인할 수 있었다. 따라서 본 논문에서 제안한 SIN/IN 데이터 학습이 인공지능 모델을 일반화(Generalization) 시키는데 기여한다라고 이야기할 수 있다. https://ssaru.github.io/2019/08/06/20190806-How_the_Eye_of_AI_Sees/?fbclid=IwAR2CF7yMzcvY0bG1NdjSwQp1UIeiHhuC1Wdtv0VF9rRbAykTUd2ttf8gOuI
링크 첨부됨
2019-08-09
황동현  연구원 @전자부품연구원(KETI)
minikube, Kubernetes, micro-architecture

블로그 글

채용 정보

뉴스/미디어

프로젝트

비정상인쇄물 검출 기술 개발
 
2017년 3월 - 2017년 6월 
스타트업에서 비정상인쇄물 검출 기술 개발 연구과제를 받아 진행한 연구과제입니다. 영상처리와 머신러닝의 다양한 기술들을 활용한 프로젝트입니다. 스마트폰으로 촬영한 영상으로부터 카드 영역을 추출하고, 다양한 검증과 비교를 통해 비정상인지 판별해내는 연구과제였습니다. 전반적인 알고리즘 및 개발을 담당하였습니다. 특별히 주요 직선을 추출하는데 클러스터링 기법을 사용하였습니다.
김찬란  전문연구요원 @줌인터넷
570RP · image-processing 상위 2%
서울시 C-ITS 자율협력주행 실증사업
 
2019년 6월 | 진행중 
서울시 C-ITS 자율협력주행 실증사업에서 교통사고 위험 예측 관련 데이터 분석 및 모델링을 실시함.
하승민  딥 러닝 개발자, 데이터 분석가 @펜타시스템테크놀러지
data-analysis, machine-learning, NumPy
PDMS 연계 스마트 DAQ 및 운용 프로그램 제작 진도보고서
2018년 9월 | 진행중 
진동센서를 이용한 회전기기 데이터 수집 및 모니터링 프로그램 개발 - 실시간 데이터 수집 프로그램 개발 - 수집된 데이터를 이용하여 회전기기 고장진단 알고리즘(인공지능) 개발 및 프로그램 적용
김영훈  AI Research Engineer / SW Engineer @ICT융합안전연구센터
360RP · Python 상위 4%