1. 전통적인 컴퓨터 비전에서 인공지능으로

문서의 위아래로 탐색하려면 키보드의 방향키를 사용할 수 있습니다.<br /> 이 노트북의 코드를 실행하려면 코드 블록을 선택하고 Shift+Enter를 누르십시오. <br /> 코드 블록을 편집하려면 Enter 키를 누릅니다.

노트북의 코드는 누적되어 사용됩니다(정의된 변수는 노트북이 닫힐 때까지 계속 사용 가능). <br />

따라서 실행 순서를 위에서부터 아래로 진행하세요. 과정을 뛰어넘어 진행한다면 에러가 발생할 수 있습니다!

쥬피터 노트북 사용에 대한 추가 도움말을 보려면 위의 메뉴에서 도움말(Help) > 사용자 인터페이스 둘러보기(User Interface Tour)를 클릭하세요. <br /> 또는 다음 사이트를 방문하여 살펴보세요. https://jupyter-notebook.readthedocs.io/en/stable/ui_components.html

여러분의 아이디어를 실험하고 테스트해보세요. 그것이 학습에 있어서 가장 빠른 방법 중 하나이기 때문입니다!

1. 분류 문제를 해결하기 위하여 수동으로 규칙을 정의할 필요가 없다면 어떨까요?

지난 노트북 세션에서 다양한 기본 이미지 처리 기술을 실험하고 컴퓨터가 "볼 수 있는" 방법을 살펴보았습니다. 그런 다음 카메라 앞에 들고 있는 물체를 사용하여 시스템이 사용자를 인식하도록 시도했습니다. 다양한 방법을 학습했으며, 많은 창의적인 방법들이 규칙을 정하거나 "if-else" 논리를 정의하였습니다. 예를 들어 "승인된" 색상, 위치 또는 조건 조합과 같은 규칙입니다.

그러나 이러한 규칙을 수동으로 정의 할 필요가 없다면 어떨까요?

기계 학습은 인공지능의 하위 집합으로, 기계가 교육 데이터를 기반으로 학습하는 능력에 초점을 맞추고 있습니다. 컴퓨터 비전 분야에 적용하여 정확한 색상 코드에 대한 규칙을 정의하지 않고 기계가 "승인 된"또는 "승인되지 않은" 이미지가 무엇인지 배울 수 있다면 어떨까요?

오늘 세션에서는 기본적인 컴퓨터 비전 기술이 기계 학습과 결합되어 다양한 과제를 해결할 수 있는 방법을 살펴보겠습니다.

1. 먼저 기계 학습을 설명하기 위한 간단한 모델을 만드는 작업을 시작하겠습니다.
2. 그런 다음 분류 모델을 구축하는 단계를 살펴보겠습니다.
3. 다음으로 분류 모델을 사용하여 추론하고 정확성을 살펴봅니다.
4. 이 과정에서 사용하는 다양항 방법과 기술들에 대한 한계에 주의하십시오.

카드를 3개의 가능한 범주 중 1개로 분류

'출입카드' 챌린지를 다시 한 번 살펴보겠습니다. <br /> 아래에는 3장의 카드(빨간색, 녹색, 검은색)와 카메라 앞에 카드가 놓여 있지 않은 배경 화면이 있습니다. <br /> 위 행은 더 멀리 있는 카드를 표시하고, 아래 행은 카메라에 매우 근접한 카드를 표시합니다.