딥러닝이란?

딥러닝은 어떻게 이처럼 뛰어난 결과를 얻을 수 있을까요?

다시 말하면 정확성입니다. 딥러닝은 그 어느 때보다 높은 수준의 인식 정확도를 달성합니다. 이러한 정확성은 가전제품에서 사용자의 기대치를 충족할 수 있으며, 무인 자동차처럼 안전이 중요한 응용 분야에서는 중대한 요소로 작용합니다. 최근 딥러닝의 발전은 딥러닝을 통해 이미지의 객체를 분류하는 것과 같은 일부 작업에서 사람을 능가하는 수준까지 향상되었습니다.

1980년대에 처음 이론화된 딥러닝이 최근에 유용하게 된 두 가지 주된 이유가 있습니다.

1. 딥러닝에는 방대한 양의 레이블 지정 데이터가 필요합니다. 예를 들어 무인 자동차를 개발하려면 수백만 장의 이미지 및 수천 시간 분량의 비디오가 필요합니다.
2. 딥러닝에는 강력한 컴퓨팅 성능이 요구됩니다. 고성능의 GPU는 딥러닝에 효과적인 병렬 아키텍쳐를 갖고 있습니다. 개발 팀이 이를 클러스터 또는 클라우드 컴퓨팅과 함께 사용할 경우 몇 주씩 걸리던 딥러닝 네트워크의 학습 시간을 몇 시간 이내로 단축할 수 있습니다.

딥러닝 예제

딥러닝 응용 프로그램은 자율주행에서 의료기기에 이르기까지 여러 산업 분야에서 사용되고 있습니다.

자율 주행: 자동차 연구소에서는 정지 신호, 신호등과 같은 물체를 자동으로 탐지하는 데 딥러닝을 사용하고 있습니다. 또한 딥러닝은 보행자를 탐지하는 데도 사용되어 사고를 줄이는 데 기여하고 있습니다.

항공 우주 및 국방: 딥러닝은 위성에서 객체를 식별하여 관심 영역을 찾고 병력을 파견하기에 안전하거나 안전하지 않은 지역을 확인하는 데 사용됩니다.

의학 연구: 암 연구진은 암 세포를 자동으로 탐지하는 데 딥러닝을 사용하고 있습니다. UCLA 연구 팀은 딥러닝 애플리케이션에 암 세포를 정확히 식별하는 법을 학습하는 데 사용될 고차원 데이터 세트를 생성하는 첨단 현미경을 개발했습니다.

산업 자동화: 사람이나 물체가 기계와 안전 거리를 유지하지 않을 때 딥러닝이 이를 자동으로 탐지하여 중장비를 다루는 작업자를 더 안전하게 보호할 수 있습니다.

전자: 자동 청취 및 음성 번역에 딥러닝이 사용되고 있습니다. 예를 들어 사용자의 음성에 응답하고 사용자의 기호를 파악하는 가전 기기는 딥러닝 애플리케이션을 기반으로 합니다.

대부분의 딥러닝 방식은 신경망 아키텍처를 사용하는데, 이런 이유로 딥러닝 모델은 종종 심층 신경망으로 불립니다.

“딥”이라는 용어는 뉴럴 네트워크를 구성하는 숨겨진 레이어(Hidden Layer)의 수를 가리킵니다. 기존 뉴럴 네트워크는 (4:37) 숨겨진 레이어가 2-3개에 불과하지만 딥 네트워크는 150개까지 이르는 경우도 있습니다.

딥러닝 모델은 수동으로 특징을 추출하지 않고 데이터에서 직접 기능을 학습하는 신경망 아키텍처와 함께 레이블링된 대단위 데이터를 활용하여 훈련됩니다.

머신 러닝과 딥러닝 중에서 선택하는 방법

머신 러닝은 응용 프로그램, 처리 중인 데이터의 크기 및 해결하려는 문제 유형에 따라 선택할 수 있는 다양한 기술과 모델을 제공합니다. 효과적인 딥러닝 응용 프로그램을 사용하려면 모델을 훈련시키기 위한 대용량 데이터(수천 개의 이미지)뿐 아니라 데이터를 신속하게 처리하기 위한 GPU(Graphics Processing Units)가 필요합니다.

머신 러닝과 딥러닝 중 한쪽을 선택할 때 고성능 GPU가 있는지 그리고 많은 레이블 지정 데이터가 있는지 여부를 검토해야 합니다. 둘 다 해당하지 않는다면 딥러닝 대신 머신 러닝을 사용하는 것이 더 나을 수 있습니다. 일반적으로 딥러닝이 더 복잡하기 때문에 적어도 수천 개의 이미지가 있어야 신뢰할 만한 결과를 얻을 수 있습니다. 고성능 GPU가 있으면 모델이 해당하는 모든 이미지를 분석하는 데 걸리는 시간이 줄어듭니다.

MATLAB을 이용하면 딥러닝이 용이해집니다. MATLAB은 대규모 데이터 세트를 관리할 수 있는 툴과 기능을 사용하여 머신 러닝, 신경망, 컴퓨터 비전 및 자율주행을 위한 특수 툴박스를 제공합니다.

MATLAB을 사용하면 전문가가 아니어도 단 몇 줄의 코드로 딥러닝을 수행할 수 있습니다. 신속하게 시작하고, 모델을 생성 및 시각화하며 서버 및 임베디드 기기에 모델을 배포해보십시오.

딥러닝용 MATLAB을 사용하면 팀은 다음과 같은 작업을 성공적으로 수행할 수 있습니다.

1. 단 몇 줄의 코드로 모델 생성 및 시각화

MATLAB을 사용하면 최소의 코드로 딥러닝 모델을 만들 수 있습니다. MATLAB을 사용하면 학습 매개 변수를 조정할 때 사전 훈련 모델을 신속하게 가져온 후 중간 결과를 시각화하고 디버그할 수 있습니다.

2. 전문가가 아니어도 딥러닝 수행 가능

MATLAB을 활용하여 딥러닝 영역에서 전문 지식을 습득할 수 있습니다. 대다수의 사람들은 딥러닝에 관한 교육 과정을 수강한 경험이 없습니다. 따라서 이러한 작업에 대해 배워야 합니다. MATLAB은 이 분야에 관한 학습이 실용적이고 이해하기 쉽도록 도움을 줍니다. 또한 MATLAB을 사용하는 도메인 전문가는 산업 또는 응용 분야에 관한 지식이 없을 수 있는 데이터 과학자에게 작업을 넘기지 않고도 딥러닝을 수행할 수 있습니다.

3. 이미지 및 비디오의 지상 실측 자료 레이블 지정 자동화

MATLAB을 사용하면 딥러닝 모델의 교육 및 테스트를 위해 이미지 내의 객체에 대화형 방식으로 레이블을 지정하고 비디오 내의 지상 실측 레이블 지정 작업을 자동화할 수 있습니다. 이 대화형 자동 방식을 통해 짧은 시간 안에 더 나은 결과물을 얻을 수 있습니다.

4. 딥러닝을 단일 워크플로로 통합

MATLAB은 여러 영역을 단일 워크플로로 통합할 수 있습니다. MATLAB을 사용하면 하나의 환경에서 생각하고 프로그래밍할 수 있습니다. 또한, 딥러닝용 툴과 기능뿐만 아니라 신호 처리, 컴퓨터 비전 및 데이터 분석 등의 딥러닝 알고리즘 영역에 제공되는 다양한 도메인을 제공합니다.

MATLAB을 사용하면 결과를 기존 응용 프로그램에 통합할 수 있습니다. MATLAB은 엔터프라이즈 시스템, 클러스터, 클라우드 및 임베디드 기기에 딥러닝 모델을 배포하는 작업을 자동화합니다.

딥러닝 특징 및 예제 코드를 가져오는 방법에 대해 자세히 알아보십시오.

관련 제품: MATLAB, Computer Vision Toolbox™, Statistics and Machine Learning Toolbox™, Deep Learning Toolbox™, Automated Driving Toolbox™.