fastai와 파이토치가 만나 꽃피운 딥러닝

285

6



그 밖의 영상 처리 문제

5

장에서는 모델 학습에 중요한 실전 기법을 배웠습니다. 좋은 결과를 얻으려면 학습률과 에포

크 수의 선택 등에 주의를 기울여야 합니다.

이번 장에서는 다중 레이블 분류

multi

-

label

classification

및 회귀

regression

라는 두 종류의 영상 처리 문

제를 다룹니다. 첫 번째는 이미지당 하나 이상의 레이블을 예측하는 문제이고 (때로는 레이블

이 아예 없을 때도 있습니다), 두 번째는 레이블이 범주가 아니라 하나 이상의 수로 표현될 때

의 문제입니다.

이 과정에서 딥러닝 모델의 출력 활성, 타깃, 손실 함수를 좀 더 깊게 들여다보는 시간을 가집니다.

6.1





는 이미지 내에 포함된 하나 이상의 물체 범주를 식별하는 문제입니다. 물체가

여러 종류 존재할 수도 있지만, 찾고 싶은 종류의 물체가 전혀 없는 상황도 모두 포함됩니다.

이는 앞서 다룬 곰 분류 모델에 적용하기 좋은 접근법입니다.

2

장에서 만든 곰 분류 모델에서

는 사용자가 곰 이외의 사진을 업로드하면 문제가 발생합니다. 모델은 회색곰, 흑곰, 테디 베어

셋 중 하나를 예측하기 때문입니다. “해당 사진은 곰이 아닙니다”라고 예측하지는 못하죠. 이

장을 마치고 나서 전에 만든 이미지 분류 애플리케이션에 다중 레이블 기법을 적용해 ...