Analysis of Image Data Using Various Analysis Methods Including Deep Learning

Abstract

오랜 학습시간과 과적합 등의 문제로 인해 한동안 사람들에게 외면당했던 딥러닝은 2000년대 이후 이러한 문제들이 해결되면서 다시 주목받기 시작했다. 특히 음성 인식, 이미지 인석, 자연어 처리 등의 분야에서 딥러닝을 활용한 연구가 활발히 진행되고 있으며 실제로도 매우 높은 성과를 보이고 있다. 기계학습의 일종인 딥러닝은 인공신경망을 기반으로 한다. 입력 층과 출력 층 사이에 여러 개의 은닉 층을 가지고 있는 구조로, 인공신경망 네트워크를 더 복잡하게 만들어 놓은 모델로 볼 수 있다. 복잡한 비선형 관계들에 대한 모델링이 가능하며, 예측력이 높다는 것이 특징이다. 본 연구에서는 딥러닝의 한 종류인 Convolutional Neural Network (CNN)를 중심으로, 딥러닝의 성능을 확인하고자 한다. CNN은 이미지 인식 분야에서 매우 높은 성능을 보이는 네트워크로, 대표적인 모델로는 LeNet(1998)과 AlexNet (2012)이 있다. CNN이 어떤 방식으로 이미지를 인식하고 분류하는지 보기 위해 실제 이미지 데이터를 활용하여 분석을 진행하였고, 그 성능을 확인할 수 있었다. 또한 CNN의 성능에 영향을 미치는 매개변수와 다른 요소들에 대해 살펴보며, 모델의 성능을 높이기 위한 방법에 대해 연구하였다.;Deep learning, which has been ignored by people for a long time due to long learning time and overfitting, has been getting attention again since the 2000s when these problems were solved. Particularly, research using deep learning has been actively conducted in areas such as speech recognition, image recognition and natural language processing. And it is doing very well. Deep learning, a type of machine learning, is based on artificial neural networks. It has multiple hidden layers between input layer and output layer, which can be seen as a model that makes artificial neural network more complicated. It is possible to model complex nonlinear relations and it has high prediction ability. In this study, we try to check the performance of deep learning by using Convolutional Neural Network (CNN), which is a kind of deep learning. CNN is very high-performance network in image recognition, with LeNet (1998) and AlexNet (2012) as typical models. In order to see how CNN recognizes and classifies images, the analysis was conducted using actual image data and its performance can be confirmed. In addition, we studied the method to improve the performance of the model by examining some parameters and other factors which influence the performance of CNN.