데이터 제작의 중요성 I

1. 강의 소개

1.1 과목 소개

1. 데이터 제작의 중요성 I : Software 1.0 vs Software 2.0

2. 데이터 제작의 중요성 II: Lifecycle of an AI Project

3. OCR 소개

4. Text Detection 소개1: Baseline 논문 소개

5. 데이터 소개

6. Annotation Guide

7. 성능 평가 방식

8. Annotation Tool 소개

9. Text Detection 소개2 : 최신 논문 소개

10. Bag of tricks : 모델 학습 시 시도할 만한 팁들

1.2 대회 소개

- 모델은 변경하지 않고 데이터만 변형하여 좋은 성능을 내본다

 

2. Software 1.0 vs Software 2.0

2.1 Software 1.0

1) 문제정의

- 비디오를 고화질로 촬영하면 용량이 점점 커지는데 적은 용량은 품질 저하 없이 저장할수는 없을까?

- 비디오 내 품질 저하 없이 아주 적은 용량의 데이터로 표현해서 저장하고, 재생할 때 원 비디오로 복원하자!

- 이게 바로 비디오 코덱(Video Codec): Video Encoder + Decoder

 

2) 큰 문제를 작은 문제들의 집합으로 분해

3) 개별문제 별로 알고리즘 설계

4) 솔루션들을 합쳐 하나의 시스템으로

 

2.2 Visual Recognition Case

1) Human Detection

휴먼 디텍션도 처음에는 Software1.0 방식을 따라갔다.

전신이 보이는 경우와 일부만 보이는 경우로 나누어 detection을 수행

호그(HOG)라는 사람이 만든 연산법을 통해서 추적했다.

하지만 객체 검출에서 대응하기 어려운 케이스가 훨씬 많았다.

기존 SW 1.0방식으로는 성능에 한계가 있었는데 딥러닝이 발전하면서 SW2.0방식을 활용하며 2020년에는 89.3%의 성능을 이뤄냈다.

 

2.3 Software 2.0

Software 1.0은 어떤 연산을 할 지 사람이 고민하여 정하는 것!

Software 2.0은 뉴럴넷의 구조에 의해 검색 영역이 정해집니다.

그리고 최적화를 통해 사람이 정한 목적에 제일 부합하는 연산의 집합을 찾습니다

이때 경로와 목적지는 데이터와 최적화 방법에 의해서 정해집니다

요약

Software 1.0

- 사람이 고민하여 프로그램을 만든 것!

 

Software 2.0

- AI 모델의 구조로 프로그램의 검색 범위를 한정하고,

- 데이터와 최적화 방법을 통해 최적의 프로그램을 찾는다! AI 모델의 성능 = (모델 구조 + 최적화 방법) + 데이터 = 코드 + 데이터

2.4 Software 1.0 + Software 2.0

기존 Software 1.0으로 구성된 영역들이 SW2.0의 기술 발달로 점점 그 차지하는 영역이 커지고 있는 추세입니다