Fundamentals of DL for Computer Vision Review

3 minute read


우연치 않은 기회로 DLI리뷰 스터디들 진행하게되었습니다.

각자 다른 이유로 모인 세명이지만 성실이 리뷰를 진행해 볼까합니다.

처음 진행하는 리뷰이기에 어떻게 진행하는지 잘 몰랐던 것이 가장 힘든 점이었습니다.

저희는 매주 밤 10시에 모여 PPT를 통해 요약, 느낀점, 추천여부등을 발표하는 활동을 진행하고 있습니다.

총 요약본은 그림으로 같이 첨부하도록 하겠습니다.

많이 부족하지만 앞으로도 잘 부탁드리겠습니다.

질문있으시면 언제든지 메일을 보내주세요! 기다리고 있겠습니다.

또한 이런 기회를 만들어주신 Nvidia, 손해인님께 감사드립니다.


Review

Index


-Summary

-Experience

-Recommendation


Summary


Welcome


Introduction of Deep Learning


Brief the objectives of this course.


Training Deep Neural Networks

  • Biological Inspiration

    • 딥러닝은 컴퓨터가 examples(data)로부터 학습하게 만든다.

    • 이 때, 두가지를 고려해야한다.

      1. 문제속 패턴이 식별되는가?

      2. 패턴을 보여줄 만큼 데이터가 충분한가?

    • Game 1

      • 아무런 사전 정보 없이 사진 속에 Louie가 있는지 확신에 대해 0~10사이의 점수를 매긴다.

    • Deep Neural Networks : GPU Task1

      • 영상 : Sweeping across industries

        • 딥러닝이 산업 어느 분야에서 쓰이는지 살펴본다.

        • 과거의 전통적인 기계학습과 Deep/End-to-End Learning의 차이

          1. 기계학습은 Hand designed feature가 제공되지만 Deep Learning은 그렇지 않다.

          2. End-to-End의 의미 : 문제 식별을 위한 패턴을 스스로 학습한다.

    • DIGITS를 이용한 Image classifier 구현

      • 사진이 Louie인지 아닌지 판별하는 모델을 만들어본다.

      • 2 Epochs만 학습했을 경우, 정확도가 50% 이하지만 100 Epochs동안 학습한 후, 정확도가 99%에 이른다.

    • 영상

      • 모델의 output과 실제 output을 비교하고 차이를 이용하여 Weights를 갱신한다.

    • Big Data : GPU Task 2

      • 근래 기계학습을 발전시키는데 기여한 요소 세 가지가 있다.

        1. Deep Neural Network

        2. The GPU

        3. Big data

      • 이 세 가지를 neural network를 학습시키는데 사용해볼 것이다.

      • 새로운 데이터에 대해 neural network가 잘 작동하도록 학습시키는 것은 환경의 다양성이 표현되는 충분한 데이터가 필요하다.

      • 영상

    • Deploying out Model : GPU Task 3

      • 개와 고양이 구분하기.


      DIGITS Examples


      <<1. Digits Data Load Example>>
      <<2. Digits Train model 1>>
      <<3. Digits Train model 1>>


      Performance

      • Performance during Training : GPU Task 4

        • 정확도를 상승시키는 방법에 대해 공부한다.

      • Object Detection : GPU Task5

        • Using deployment

        • Caffe를 이용하여 객체 인식을 학습해보자.

        • 의의 : Deep Learning과 전통 프로그래밍을 합쳐 이전의 불가능한 문제들에 대해 높은 성능을 보여줌을 설명한다.


      Assessment

      • Train and deploy a deep neural network.

        • 고래의 머리가 그려져 있는 사진과, 그렇지 않은 사진들로 이루어진 데이터셋을 학습시켜라.

        • DIGITS와 Caffe(Python) 사용법을 테스트한다.

        • Model과 Weights, Dataset 경로 설정 관련 빈칸 문제가 나온다.

        • 최종적으로 모델을 학습시키는 메서드의 사용법을 숙지 해야 한다.


        Experience


        Experience-구정수



        기본적으로 영어에 대한 거부감이 없으며, 영어로 된 교육자료를 읽고 이해할 수 있는 능력이 필요하다.

        Deep Learning의 기초 알고리즘에 대해 밑바닥부터 자세하게 알려주진 않는다.

        딥러닝의 커다란 개념들을 설명한다.

        학습 과정을 DIGITS 프레임워크를 통해 이해하기 쉽게 시각화하여 볼 수 있다.

        쉽게 적용 가능하고 성능이 좋은 딥러닝 모델과 데이터셋이 준비되어있다.

        DIGITS를 사용하여 공부하는 것은 장점과 단점 모두 가지고 있다.

        장점은 어렵지 않게 학습 과정을 살펴볼 수 있다는 것이고

        단점은 학습에 사용되는 알고리즘을 공부할 수 없다는 것이다.



        Experience-이제영



        Digits을 사용함으로써 모델이 더 간단 해졌다.

        기본이 caffe에서 추가된 부분인 것 같던데, 다루기 힘든 부분을 다루기 쉽도록 잘 도와준 것 같다.

        그냥 내용에서 직접 하는 부분이 proto 부분등 이므로 조금 부족한 것 같기도 하다.

        처음 배우는 사람이라면 굉장히 알차고 눈에 보이는 성과를 금방 낼 수 있을 것 같아 즐거울 것 같다.



        Experience-박경훈



        강의를 시작하게 되면 어떤 순서대로 강의를 진행하는지 한눈에 알 수 있다.

        그 강의 시간도 표기가 되어있기 때문에 시간관리에 용이했다.

        중간에 강의를 그만두어도 진행한 부분으로 바로 이동하여 편리했다.

        강의 내용은 글, 동영상, 퀴즈, 실습 으로 구성 되어있다. 내용은 굉장히 이해하기 쉽게 설명 되어있고, 실습과 퀴즈를 통해 빠르게 이해할 수 있었다.

        실습은 NVIDIA에서 제공하는 서버를 이용하기 때문에 컴퓨터에 대한 걱정은 하지 않았다.

        실습을 진행하는 방법을 잘 강의해주기 때문에 진행하는데 있어서 문제는 없었다. 제공 받은 데이터를 이용해 직접 모델을 만들 수 있고, 그 모델을 바로 테스트 해볼 수 있기 때문에 굉장히 재미 있었다.


        Recommendation


        Experience-구정수



        시간이 여유롭고 영어와 친해지고 싶다, 혹은 영어에 부담 없는 사람들에겐 추천할 만 하다.

        딥러닝의 큰 범주의 개념들과 흐름을 파악할 수 있었다.

        영어에 거부감이 있거나, 공부할 시간이 얼마 없는 사람, 그리고 딥러닝의 알고리즘부터 차근차근 공부하고 싶은 사람들에겐 추천하지 않는다.



        Experience-이제영



        처음 딥러닝을 접하는 사람에게는 추천

        컴퓨터 비전 기초 부분을 이해하고 싶으면 추천

        코딩은 약하지만 인공지능은 해보고 싶다면 추천

        DIGITS에 관심 있는 사람들에게는 추천

        Caffe를 깊게 배워 보고 싶으면 비 추천

        파이썬 코드를 깊게 다루면서 인공지능을 배우고 싶으면 비추천



        Experience-박경훈



        모든 글과 강의가 영어로 되어있기 때문에 이해하기 어려울 수 있다.

        프로그래밍을 경험해본 사람이라면 강의내용 그대로 진행하여도 이해할 수 있어 쉽다.



        인증서






        긴 글 읽어주셔서 감사합니다!
        모든 리뷰는 주관적이라는점 알아주시면 감사하겠습니다!
        앞으로 저희의 리뷰를 통해 Nvidia에서 열리는 DLI 프로그램에 대해 궁금하신점을 해결해가셨으면 좋겠습니다!
        지금 리뷰는 내용 요약이 들어가있지만, 실제로 DLI프로그램을 진행하면 직접 코딩하시면서 하실 수 있습니다.
        이런 흐름이다~ 라고 생각하시고 보시면 좋을 것 같습니다 ㅎㅎ 감사합니다!
        다음주에는 CUDA C/C++리뷰로 돌아오겠습니다!
Jeyoung Lee

Jeyoung Lee

Ph D. Candidate at The Catholic of University of Korea, Computer Vision researcher

Recent posts

RAY with RAPIDS Part-1

4 minute read

Understanding task units of CUDA

5 minute read

Attention And Transofrmer

less than 1 minute read

Tensorflow with Keras

less than 1 minute read

Comments

  Write a comment ...