1. 학습내용

대이터 수집 -> 전처리
(사이즈 동일하게 바꾸거나 padding을 추가하거나 데이터 비율을보거나, 색상, 라벨 등을 봤다 / 아니면 저녁 이미지가 많아야 하는데, 그러한 환경 데이터가 없다면 전처리 과정에서 만들 수 있었다. gan이나 opencv 등을 통해 만들고 샤프닝을 통해 윤곽처리)
-> 모델선정 -> 분류모델, 객체 인식 모델
-> Image Classification, Object Detection

단순하게 이미지를 분류할 때는 Image Classification을 썼는데,
분류할 때 메타정보를 같이 넣어주면 비슷한 것을 넣었을 때
비슷한 결과가 나와서 추천시스템에 많이 사용된다.
(= youtube, 오픈마켓 등..)

분류만으로는 객체가 있는지 없는지 알 수 없기 때문에 Object Detection을 사용한다.

• 분류
  해당 이미지가 어떤 객체를 나타내는 지 분류하는 작업
• Localiszation
  이미지 안에 있는 하나의 객체 위치를 찾아주는 작업
• 객체 탐지
  이미지 안에 있는 여러 객체들의 위치를 찾아내고 분류까지 하는 작업
• Segmentation
  객체 탐지보다 더 발전된 단계로, 픽셀 단위로 객체를 탐지하는 작업

One Stage Detection은 다시 공부해서 작성해야 할 것 같다

2. 학습소감

Object detection부터 말도 안되게 어려워졌다..
언젠가는 할 수 있게 되겠지만 지금은 좀 걱정이 된다.