3D 모델을 렌더링한 가상 환경에서 다양한 데이터 조작에 대한 CNN의 정확도 분석
Analysis of Accuracy of CNN on Various Data Manipulations in a Virtual Environment that Rendered 3D Models
- 주제(키워드) CNN.가상 환경.데이터 조작
- 발행기관 서강대학교 일반대학원
- 지도교수 임인성
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000063988
- UCI I804:11029-000000063988
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
기계 학습은 컴퓨터가 클래스의 특징을 잘 분류할 수 있도록 하는 데이터 전처리 과정이 필수이다. 전처리 과정은 사람이 해야 하는 작업이며 기계 학습에서 매우 중요한 단계이다. 또한, 전처리 방법에 따라 학습 결과의 성능에 차이가 크다. 반면 딥 러닝은 전처리 작업 없이 데이터 그대로 신경망에 넣어 학습한다. 사람이 데이터의 특징을 추출할 필요 없이 신경망이 반복되는 학습을 통해 클래스의 특징을 찾아낸다. 딥 러닝 중 CNN은 이미지 분류, 음성 인식 등의 문제에 활발히 쓰이고 있는 알고리즘이다. 딥 러닝 특성상 입력 데이터의 가공이 필요 없는 대신 많은 양의 데이터가 필요하고 학습 시간이 오래 걸린다는 단점이 있다. 또한, 학습 데이터와 조금 다른 특성의 시험 데이터가 들어올 때 분류를 잘 못 한다는 단점도 있다. 본 논문에서는 CNN의 학습 이미지 확장 단계에 적합한 이미지 조작을 적용하여 이미지 분류 모델의 성능을 높이는 방법을 제시한다. 이를 위해 3D 모델을 렌더링하여 캡처한 2D 이미지를 생성하고, 생성한 이미지로 신경망을 학습시킨다. 이때, 여러 방법으로 조작된 이미지를 시험 데이터로 넣었을 때 클래스의 평균 정확도가 얼마나 감소하고, 클래스의 특징에 따라 여러 조작에 대해 정확도가 어떠한 양상으로 감소하는지 분석하였다. 가상 환경에서 정확도 감소에 크게 영향을 주는 조작을 알아내고 이를 현실 세계의 실제 이미지 분류 문제에서 학습 이미지 확장 단계에 적용한다면 더 좋은 성능의 이미지 분류기를 만들어낼 수 있을 것이다.
more