semi-supervised learning

이미지 분류 task에서 딥러닝은 눈부신 발전을 이룩하였습니다. 그러나 이를 위해서는 막대한 양의 데이터가 필요합니다. 이 데이터에는 다량의 라벨도 포함이 되어있습니다. 그러나 라벨링 작업 또한 많은 resource를 요구하기 때문에 실제 산업현장에서 정확히 라벨링된

Vision Task에서 가장 객체를 정밀하게 탐지할 수 있는 방법은 Segmentation이다. 그러나 Segmentation은 라벨링에 너무 많은 공수가 소요된다는 문제점이 있다. 객체의 외곽선을 따라 한땀한땀 점을 찍거나, 브러시를 이용해 정밀하게 객체를 색칠하는

비전 인공지능을 만들다보면 가장 공수가 많이 드는 작업은 단연 라벨링이다. 특히, segmentation task라도 맡게 되면 객체 위에 브러쉬로 꼼꼼히 칠을 하거나 외곽선을 따라 하나하나 정성스레 점을 찍어주는 미친 노가다를 해야한다. 하물며 객체가 일반적인 개,