[컴퓨터비전] 8. 기계 학습

8.1 기계학습의 기초

• 기계 학습(Machine Learning): 경험(E)을 통해 주어진 작업(T)에 대한 성능(P)이 향상되면 학습이 이루어진 것으로 간주
• 지도 학습 vs 비지도 학습
• 재샘플링 기법: 학습 집합이 적을 때 성능 평가를 위해 사용하는 방법

8.2 신경망

• 퍼셉트론: 가장 기초적인 신경망 구조. 입력층과 출력층으로 구성된 이진 분류기
• 다층 퍼셉트론 (MLP): 여러 은닉층을 추가한 구조. 퍼셉트론의 한계를 극복
• 활성 함수: 노드 출력을 비선형으로 변환하는 함수 (예: Sigmoid, ReLU)
• 역전파 알고리즘 (Backpropagation): 오차를 출력에서 입력으로 역전달하며 가중치를 조정
• 딥러닝(Deep Learning): 은닉층이 많은 신경망 구조. 영상 인식 등에서 강력한 성능 발휘

8.3 SVM (Support Vector Machine)

• 기본 개념: 두 부류를 가장 잘 구분하는 결정 초평면을 찾는 분류기
• 여백(Margin): 분류 경계와 가장 가까운 샘플 간의 거리. 이를 최대화하는 것이 목표
• 선형 SVM: 선형 초평면으로 분류
• 비선형 SVM: 커널 트릭(Kernel Trick)을 통해 비선형 분류 가능
• 다중 클래스 확장: 1대 M-1 방식이나 1대1 방식으로 다중 분류 구현

8.4 분류기 앙상블

• 앙상블 기법: 여러 개의 분류기를 조합하여 더 나은 성능을 얻는 방법
• 에이다부스트 (AdaBoost)
• 임의 숲 (Random Forest)

8.5 기계 학습을 이용한 얼굴 검출

• 비올라-존스 얼굴 검출기: 대표적인 실시간 얼굴 검출 알고리즘
• 얼굴 검출 → 얼굴 인식의 전처리 단계
• 기타 얼굴 검출 알고리즘들도 연구되고 있으며 성능 비교 논문도 존재