[AI]_19_머신 러닝(ML) 학습 데이터

 220327 작성

<본 블로그는 두우우부님의 알기쉬운 AI 블로그를 참고해서 공부하며 작성하였습니다>

https://doooob.tistory.com/69?category=825950 

[알기쉬운 AI - 19] 머신 러닝의 학습 데이터

 

 

 

 

 

 

 

 

1. 학습 데이터의 양

: AI 는 데이터를 준비하고 20회 정도 반복 학습하면 보통 80% 이상의 정답률로 인식할 수 있습니다. 

: 전이 학습 등의 소량 데이터로 학습하는 기법을 사용한 경우!!

BUT

: 학습 데이터양에 비례하여 정답률이 높아지지 XX

: 추가 데이터에 비해 정답률이 높아질 비율은 점점 낮아지며, 결국 saturation(포화) 상태

 

 

 

 

 

 

 

2. 학습 데이터의 품질

: 양보다 품질이 더 중요

: 좋은 품질 != 표준

: 품질이 나쁘다 = 인간도 판단 할 수 없다

 

 

 

 

3. 데이터 클렌징 (Data Cleaging) 자동화 

: 수집된 데이터 중에서 저품질 데이터를 제거하는 데이터 클렌징(Data Cleanging) 처리 후 학습 데이터로 사용

: 분류기는 판단 결과에 신뢰도를 백분율로 첨부

 

1) 인간이 클렌징한 데이터로 어느 정도 물체 인식이 가능한 분류기를 생성
2) 나머지 데이터에 대해 그 분류기를 사용하여 신뢰도에 따라 '품질이 좋다/좋지 않다'를 나누는 처리함
3) 품질이 좋은 데이터만을 사용하여 그 분류기의 학습을 계속 함
4) 추가 학습 데이터가 있으면, 2) 단계를 다시 반복

데이터 수집 & 정리

 

 

 

 

 

 

4. ImageNet & ILSVRC

- ImageNet

: '일반물체 인식 데이터 세트(generic object recognition)'

: 인터넷에서 이미지를 끌어모아서 수작업으로 레이블이 지정된 데이터 세트(이미지와 라벨 세트)를 만든 것

: 데이터 세트를 사용하여 1000 클래스를 인식하는 이미지 인식 경연 대회 (ILSVRC)를 실시

: 공개되어 있어 이미지 및 라벨(클래스)을 내려받을 수 있음 (연구와 학습에만)

: 모델의 구조와 매개 변수가 오픈 소스로 공개되어 이를 기학습 모델(Pre-trained models)

 

- 기학습 모델 (Pre-trained models)

· Alexnet 
· VGG11 / 13 / 16 / VGG19 
· BNIncepion 
· Inception-v3 / Inception-v4  
· InceptionRestNetV2 
· ResNet18 / 34 / 50 / 101 / 152 
· ResNeXt101_32x4d / 101_64x4d 
· FBRestNet152 
· MobileNet 
· SqueezeNet1.0 / 1.1 
· NASNet-A-Large 
· DenseNet121 / 161 / 169 / 201 
· Xception 
· Places205