딥러닝 (CNN) 동작원리의 심층분석에 기반한 딥러닝 알고리즘의 개선방안 연구

From Course@DGIST
Jump to navigation Jump to search
딥러닝 (CNN) 동작원리의 심층분석에 기반한 딥러닝 알고리즘의 개선방안 연구
제안자 정우영
자문교원 정우영
연도 2020
타입 A형 과제
코스 장영실
매칭여부 No
참여학생수
소개동영상

제안 배경

  • 딥러닝 기술은 2012년 이미지넷 대회를 통해 부상한 이후로 4차 산업혁명의 핵심기술로서 최근 폭발적으로 성장하면서 여러 학문 분야에서 그 중요성이 나날이 증대되고 있음
  • 현재 한국의 많은 개발자들은 딥러닝 원리에 대한 깊은 이해없이 공개된 소프트웨어(S/W)를 활용하여 필요한 기능을 구현하고 있음
  • 딥러닝은 다른 과학기술 이론과 달리 좋은 결과를 산출한다는 유용성에 비해 어떤 내부 동작에 의해 그러한 결과가 얻어지는가에 대한 명확한 해석이 부재하므로, 현재 학부생들은 단편적이고 세부적인 딥러닝의 문제풀이 보다 딥러닝의 원리에 대한 깊은 통찰을 갖추는 연구를 수행하면 향후 본인의 역량과 진로를 개척하는데 많은 도움이 될 것으로 판단함

과제 목표

  • 딥러닝의 대표 모델인 CNN (Convolutional Neural Network) 의 동작 원리에 대한 체계적이고 심층적인 분석
  • 심층적 분석에 기반하여 CNN의 기능과 성능을 향상시킬 수 있는 더욱 발전된 딥러닝 모델의 제시

과제 내용

∎ CNN 동작원리의 이해

 - 도서, 논문 등에 기반하여 CNN 기본 동작원리 파악
 - 세미나와 지도 교수 강의를 통하여 동작원리에 대한 팀차원의 이해 방식 공유
 - CNN 동작 원리를 다양한 측면에서 분석한 논문들 검토
 - 딥러닝 프레임워크 (TensorFlow, Caffe 등) 환경에서 파이손 언어기반으로 CNN의 동작을 체감

∎ CNN 동작원리의 심층 분석

 - CNN 핵심 구성요소들의 파악
 - 핵심 구성요소들 상호간의 상관관계에 대한 논리적 분석 (비선형성, 내적의 효과, ...)
 - 파이손을 통한 핵심 구성요소들간의 상관관계들에 대한 구체적이고 세밀한 동작 분석

∎ 개선된 딥러닝 모델의 제시

 - 기능 및 성능개선에 기여할 것으로 예상되는 핵심 구성요소 선별
 - 핵심 구성요소들의 조합을 통한 복수개의 후보 모델 도출
 - 논리적 이론전개와 S/W 구현을 통한 성능확인을 통하여 개선된 딥러닝 모델 결정

참고자료

  1. Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks." Advances in neural information processing systems. 2012.
  2. Szegedy, Christian, et al. "Going deeper with convolutions." Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015.
  3. He, Kaiming, et al. "Deep Residual Learning for Image Recognition." arXiv preprint arXiv:1512.03385, 2015.
  4. Zeiler, Matthew D., and Rob Fergus. "Visualizing and understanding convolutional networks." Computer vision - ECCV 2014. Springer International Publishing, 2014. 818-833.

정우영1.png

정우영2.png

정우영3.png

희망학생