What's New in Core ML, Part1

[kimscastle]

Computer Vision의 기본적인 이해

• Classification VS Object Detection

Classifictaion은 하나의 사진이 어떤주제를 담고있는지를 알려준다고 생각하면 편하다
Object Detection은 하나의 사진에 특정물체가 어떤위치에 있는지를 알려준다고 생각하면 편하다

다른점은 ObjectDetection의 경우 물체의 위치정보(2D, 3D)가 담겨있는 부분이다.
이를 통해 물체의 좌표를 알아내 특정 task를 수행할수있는 기반이 되기도 한다.

Classification in Core ML

Classification의 경우 분류된 이미지파일을 폴더에 정리해서 넣으면 된다.
이때 이미지를 세가지로 분류하게 된다

이 세가지 데이터에 대해 간단히 설명하면
Training Data = 모델을 학습시키는데 사용되는 데이터들(이미지)
Validation Data = 모델들이 학습될때마다 성능을 평가하는 시험문제들
Testing Data = 모델이 완성되었을때(최종횟수에 도달했을때) 최종 성능을 평가하는 최종 시험 문제
라고 할 수 있다

물론 이런 이론적인 내용도 중요하지만 더 중요한 부분은

전체 데이터의 수가 100이라고 했을 때
Training data : Testing data = 8 : 2
Training data : Validation data : Testing data = 6 : 2 : 2
이때 validation data는 training data의 일부라는 점이다. 보통 이런 분류작업을 일일이 해줘야하는데 CoreML에서는 쉽게 가능하다.

머신러닝은 기본적으로 반복학습이 매우 중요하다. 이는 데이터가 많으면 많을수록 좋다는 뜻이 되는데 머신러닝에 사용되는 데이터는 사람이 모아야한다. 하지만 일일이 데이터를 수집하는데에는 한계가 존재한다. 하지만 데이터를 복붙하는행위는 결과를 나쁘게 만들게 때문에 힘이 덜들면서 데이터수를 늘리는 방법을 구상하게 되는데 이를 Data Augmentation이라고 한다

CoreML에서는 여러가지 Data agumentation을 제공한다. 쉽게 모델을 늘려 좋은 결과값을 기대할수있게된다.

Object Detection in Core ML

Classification과 다른점이 있다면 Object Detection은 이미지파일을 넣을때 Bounding Box의 정보가 담겨있는 파일을 함께 넣어줘야하는 점이다. 보통은 text파일을 넣기도 하는데 CoreML에서는 json파일을 넣어줘야한다

학습을 위한 몇가지 파라미터에 대한 설명을 첨부한다