image classification

AI의 발전은 끊임없이 우리의 기술적 지평을 확장시키고 있습니다. 특히, 이미지 인식 분야는 딥러닝의 발전과 함께 급속도로 진화해 왔습니다. 딥러닝 모델들은 이미지 인식, 객체 탐지, 얼굴 인식 등 다양한 분야에서 혁신적인 성과를 이루어냈지만 이러한 모델들은 주로 단일 모달리티, 이미지 데이터만을 처리하는 데 집중했습니다. 이번 글에서는 GPT-4V를 활용하여 딥러닝 모델에서 시도했던 다양한 이미지 인식 방법들을 재해석하고 적용해보려고 합니다. 구체적으로, Classification, Object Detection, Face Recognition, OCR 그리고 이미지 기반 추론 등의 주제를 다룰 예정입니다. 이를 통해 GPT-4V가 딥러닝 모델의 기능을 어떻게 향상할 수 있는지, 그리고 이미지와 텍스트..

1. Classification 입력으로 주어진 이미지 안의 객체의 종류를 구분하는 행위입니다. 학습방법 : Classification Model은 이미지를 보고 각 폴더에 분류 후 학습 시켜 만듭니다. Model을 만들기 위한 분류 작업은 사람이 하게 됩니다. 생성된 Classification에 이미지를 입력하면 결과 값을 줍니다. 2. Localization 주어진 이미지 안의 Object 가 이미지 안의 어느 위치에 있는지 위치 정보를 출력하는 것입니다. 이제부터는 위치 정보가 필요합니다. (X, Y, W, H) 학습방법 : Localization Model은 이미지의 좌표를 Text 형태로 저장해야 합니다. 좌표 정보를 얻기 위해 Labeling 프로그램을 이용합니다. 더보기 데이타의 형태는 아래..