💻CV prologue

Prolog

스터디를 시작하기 앞서 내가 이 공부를 왜 하는가에 대해 생각해 보고 갈 필요가 있을것 같다. 막연하게 누구나 다 하니까 라는 것은 나에게 도움이 되지 않을 뿐 더러 공부를 한다고 하더라도 이후에 큰 도움이 되지 않을 것이다. 따라서 스스로에게 이유를 묻고 시작하고 싶다.

Deep Learning

가장 공부해보고 싶고 활용하고 싶었던 분야다. 머신러닝을 활용할 수 있었던 나는 데이터의 한계를 계속해서 경험하고 있었다. 대부분 기계학습은 정형데이터로 많이 다루기 때문이고 의미가 있는 분석을 진행하기 위해서는 비정형보다는 정형이 답을 찾기 쉽기 때문이다.

또한 성능면에서도 어떠한가. 기존 머신러닝 모델은 랜덤포레스트만 해도 2008년에 시작한 모델이다. 무려 15년동안 사용되고 있다는 말이다. 그럼에도 계속 사용되고 있는건 그만큼 좋은 모델이라는 것이지만 결국 머신러닝에서 가장 좋은 성능을 가진 모델도 아니다. 데이콘에서만 봐도 XGBoost, Light GBM을 사용한 사람들의 순위가 가장 높게 나오는걸 확인할 수 있었다. 이처럼 머신러닝의 한계를 쉽게 접할 수 있었고 데이터가 클 수록 딥러닝이 성능면에서 뛰어난 것을 확인할 수 있을 것이다.

Object detection

무엇보다도 CV에 관심을 갖게된 계기는 학부 친구의 Object Tracking을 본 뒤로이다. 영상에 나오는 물체를 인식해 그 물체가 이동하는 방향과 속도를 추적할 수 있다는것이 너무 신기했고 새로운 것을 해보고 싶었던 나에게 센세이션을 주었다. 물체 tracking을 하려면 detection을 먼저 해야한다. 맞는 말이다. 인식을 먼저 해야지 그 물체가 움직이는 방향과 속도를 볼 수 있을 테니.

쉽지 않았던 모델링

실제로 써보고 싶었기 때문에 한 교육과정에서 프로젝트를 영상처리 파트로 참여했었다. 데이터는 X-ray로 이루어진 이미지와 레이블 내용, 파일이름, 속성, 이상있는 레이블박스로 이루어져 있었다. COVID-19에 관한 데이터였기 때문에 폐의 이상 정도와 이상이 있는지를 판단할 수 있는 데이터였다. 하지만 3주 기간동안 로컬 환경에서 진행해보고 싶었던 욕심 때문인지 환경만 조성하고 실제로 실행해보기 까지 2주 4일정도가 걸렸지만 메모리 부족으로 실패... 많이 억울하기도 했고 차라리 Colab을 활용했다면 빠르게 끝났을 수도 있었던 문제였다.

이런 경험을 다시하지 않기 위해 환경 요구사항부터 만들기까지 다양한 제약사항을 스스로 해결하자라고 생각하였고 마침 AI 부트캠프를 합격하고 과정을 진행중이다. 그간 해보지 못했던 공부를 시작해보고자 CV를 선택했다.

컴퓨터 비전 정주행 kit

다양한 교재 및 강의 후보중 여러 논의 끝에 결정된 교재다. 처음에는 기초 내용이 많았고 아래에 실전 모형을 모아놓은 부분이 따로 있었다. 기초 내용이나 역전파 알고리즘 같은 경우 수업 시간에 들었던 내용도 있을 뿐더러 이론적인 내용의 기반이 되는 내용은 어느정도 알고 있었기 때문에 실전 모델 33개 과정으로 바로 들어가기로 했다. 모르는 내용이 있으면 위의 기초 강의를 다시 참조해서 다시 상기하고 들으면 된다라는 생각이 들었다. 실제로 스터디 조원들 또한 나와 같은 생각을 가진 사람이 대다수였어서 이견 없이 진행되었다.

언제까지 진행할지 모르겠지만 앞으로 이 강의를 통해 CV에 대해 더 많이 알아가는 시간을 가졌으면 좋겠다.