728x90 반응형 인공지능18 [인공지능] ResNet 전이 학습 : 에포크 설정이 성능에 미치는 영향 분석 딥러닝 모델을 활용한 이미지 분류 프로젝트에서 전이 학습(Transfer Learning)은 필수적인 기법입니다. 특히 ImageNet으로 사전 훈련된 ResNet 모델을 새로운 데이터셋에 적용할 때, 학습의 효율성과 최종 성능을 결정하는 핵심 요소 중 하나가 바로 에포크(Epoch) 설정입니다. 이번 글에서는 전이 학습의 2단계 전략에서 에포크를 다르게 설정했을 때 어떤 결과가 예측되는지 분석하고, 안정적으로 높은 성능을 얻기 위한 최적의 전략을 제시합니다. 전이 학습의 2단계 전략 효율적인 ResNet 기반 전이 학습은 일반적으로 두 단계로 나뉩니다. 특징 추출(Feature Extraction)목표 : 사전 훈련된 ResNet Base Model은 동결하고, 새로 추가된 최종 분류기(Classifi.. 2025. 11. 2. [인공지능] 잔차 신경망(ResNet)으로 기울기 소실 문제 해결 개요잔차 신경망(ResNet, Residual Network)은 2015년 Microsoft Research 팀에 의해 소개된 혁신적인 딥러닝 모델입니다. 이 모델은 네트워크의 층이 깊어질수록 오히려 성능이 저하되는 성능 저하(Degradation) 문제와 기울기 소실(Vanishing Gradient) 문제를 해결하기 위해 고안되었습니다. ResNet은 잔차 학습(Residual Learning)이라는 단순하지만 강력한 아이디어를 통해, 150층 이상의 깊은 신경망에서도 안정적으로 학습하고 뛰어난 성능을 발휘하여 현재까지도 컴퓨터 비전 분야의 핵심 기술로 사용되고 있습니다. 깊이의 한계를 뛰어넘는 잔차 학습ResNet의 핵심은 Residual Learning입니다. 기존 신경망이 입력 $x$에 대해 원.. 2025. 10. 30. [인공지능] 딥러닝 객체 검출의 혁신, Yolo(You Only Look Once) 개요YOLO(You Only Look Once)는 실시간 객체 검출(Real-Time Object Detection) 분야를 혁신한 딥러닝 모델입니다. 기존의 객체 검출 방식들이 여러 단계를 거쳐 느리고 복잡했던 것과 달리, YOLO는 이미지 전체를 단 한 번의 신경망 연산으로 처리하여 압도적인 속도와 뛰어난 성능을 동시에 달성했습니다. 이는 자율 주행차, 지능형 CCTV, 드론 검사 등 실시간 응용 분야의 발전을 가속화하는 핵심 기술로 자리매김했습니다. 주제 개념YOLO의 주제 개념은 통합 인식(Unified Detectoin) 입니다. 대부분의 긱존 객체 검출 모델(Two-Stage Detector 예 : R-CNN)은 객체가 있을만한 위치를 먼저 제안(Proposal)하고, 그 후에 분류(Clas.. 2025. 10. 29. [카카오테크 부트 캠프] 모의 면접 리뷰 딥러닝 / 머신 러닝 핵심 개념 정리 : 과적합 방지, 복잡도, 정규화이번 포스팅에서는 면접에서 자주 다루어지는 과적합(Overfitting) 방지 수단, 시간 및 공간 복잡도의 중요성, 그리고 정규화(Normalization)의 필요성에 대해 핵심만 짚어보겠습니다. 1. 과적합(Overfitting) 방지 수단과적합은 모델이 합습 데이터에 너무 특화되어 새로운 데이터(테스트 데이터)에 대한 일반화 성능이 떨어지는 현상을 말합니다. 이를 방지하는 대표적인 수단은 다음과 같습니다. 수단설명면접 시 논의 내용 반영데이터 증강(Data Augmentation)기존 학습 데이터를 변형(회전, 확대, 자르기 등)하여 학습 데이터 세트의 크기를 실질적으로 늘려 모델이 다양한 패턴을 학습하게 합니다. 학습 데이터는.. 2025. 10. 27. [인공지능] XOR 문제를 넘어 : 비선형 데이터 분류를 위한 MLP 설계와 작동 원리 이번 포스팅에서는 XOR 문제처럼 단일 직선으로는 분류할 수 없는 복잡한 비선형 데이터셋을 다루고, 이를 해결하기 위해 필수적인 인공신경망 모델인 다층 퍼센트론(MLP, Multi-Layer Perceptron)을 설계하고 학습하는 과정을 상세히 설명합니다. 특히 make_moons와 같은 비선형 데이터셋을 MLP의 은닉층과 비선형 활성화 함수를 사용하여 어떻게 성공적으로 분류하는지 그 원리를 깊이 이해하는 데 초점을 맞춥니다. 비선형 데이터셋 분류주요 개념은 비선형성(Non-linearity)을 가진 데이터를 비선형 함수를 포함하는 다층 신경망을 이용해 분류하는 것입니다. 단일 퍼센트론은 선형(직선) 경계만 학습할 수 있지만, MLP는 여러 층과 비선형 활성화 함수를 통해 곡선이나 복잡한 모양의 결정 .. 2025. 10. 26. [인공지능] 신경망의 필수 요소 : Bias(편향)를 잡을 때와 안 받을 때의 차이 Bias는 단순히 더해지는 숫자가 아니다신경망 학습에서 Bias(편향, b)는 종종 가중치(W)에 가려져 그 중요성이 간과되곤 합니다. 하지만 Bias는 모델이 데이터를 해석하고 결정 경계를 설정하는 유연성을 부여하는 핵심적인 요소입니다. 특히 XOR이나 make_moons와 같은 비선형 문제를 해결할 때 Bias의 유무는 모델의 성공과 실패를 가르는 결정적인 차이를 만듭니다. 용어 정리 및 Bias의 역할Bias(b) : 뉴런의 발화 임계점 조절자구분개념IT/ML에서의 역할Bias(b)활성화 함수가 적용되기 전의 선형 합산 결과(W, X)에 더해지는 상수 값활성화 임계점 조절입력 X가 0일 때도 뉴런이 발화할 수 있게 하거나, 발화하기 위해 필요한 최소 입력값을 조절결정 경계 팽행 이동결정 경계가 원.. 2025. 10. 25. 이전 1 2 3 다음 728x90 반응형
