SiameseNetwork과 객체 추적 #1

HBsmith 조민수 AI/ML Engineer의 알기 쉬운 딥러닝 시리즈

'SiameseNetwork과 객체 추적 #1'을 소개합니다.

영상 내 객체 분석 기능은 Deep Learning 사용으로 인해 크게 성능이 향상된 분야 중 하나이다. 하지만 객체 분석을 하기 위해 가장 큰 단점이라고 하면 대량의 데이터양이 필요하다는 것이다. 객체 하나를 인식하기 위해 고려해봐야 할 것은  

 · 객체 데이터 양
 · 학습할 데이터와 기존 데이터의 학습 데이터 비율
 · 데이터 내 다른 객체 존재 유무

등 많은 사항들을 확인해보고 결정해야 한다. 하나의 클래스를 추가 학습하기 위해 많은 양의 자원 소모가 필요하기 때문에 어떻게 하면 기존 학습 모델에서 새로운 데이터를 분석할 수 있는지에 대한 연구가 계속되고 있다. 이러한 연구 분야를 one-shot learning 또는 few-shot learning 이라고 한다. 이 중 대표적인 연구로 Siamese Neural Networks for One-shot Image Recognition 이 있다.

출처 : SiameseNetwork과 객체 추적 #1

SiameseNetwork과 객체 추적 #1

HBsmith에서는 AWS 및 자동화에 관심이 많은 개발자를 뽑고 있습니다. AWS, 테스트 자동화, Python, Computer Vision 기반 AI/ML에 관심이 있으시거나 궁금하신 분들은 아래 주소로 연락해 주시면 감사하겠습니다.

hello@hbsmith.io