총 19개
-
VQGAN 논문 (인공지능) 발표 및 대본2025.05.071. VQGAN 모델 VQGAN은 VQ-VAE 구조를 따르며 CNN과 Transformer의 장점을 결합한 모델입니다. CNN으로 Locality를 잘 반영하는 codebook을 학습하고, Transformer의 풍부한 표현력으로 Image Synthesis를 이룹니다. VQGAN은 2-stage 모델로, 첫번째 stage에서 codebook을 학습하여 Transformer에 사용하기 위한 이미지의 구성요소를 학습하고, 두번째 stage에서 이러한 codebook을 바탕으로 Transformer를 이용하여 이미지를 구성합니다. 2....2025.05.07
-
CNN을 이용한 이미지 분류-일반 농산물과 GMO의 구분2025.01.281. GMO 농산물 구분 연구에서는 CNN(Convolutional Neural Network)을 이용하여 일반 농산물과 GMO 농산물을 구분하는 방법을 제안하고 있습니다. 연구자는 샤인머스캣 잎과 포도 잎의 이미지를 수집하여 CNN 모델을 학습시켰고, 이를 통해 약 68%의 정확도로 GMO와 일반 농산물을 구분할 수 있었습니다. 이를 통해 소비자들이 GMO 식품 여부를 쉽게 확인할 수 있도록 하고자 하였습니다. 2. 딥러닝을 이용한 이미지 분류 연구에서는 딥러닝 기술 중 하나인 CNN을 활용하여 이미지 분류 문제를 해결하고자 하였...2025.01.28
-
텐서플로우 딥러닝 (CNN)2025.05.051. 데이터 세트 학습 데이터에 사용할 영상은 Google에서 이미지 검색으로 꽃을 검색하고, FatKun이라는 크롬 확장 프로그램을 사용하여 영상을 다운로드 받았다. 테스트 데이터에 사용할 영상은 꽃을 직접 구입하여 촬영한 영상 데이터를 사용했다. 학습 데이터는 총 234개, 테스트 데이터는 총 150개이며, 검증 데이터는 훈련데이터의 20%를 사용하여 총 57개이다. 2. 합성곱 신경망 (CNN) 기본적으로 이미지 분류를 하기 위해서는 합성 곱 신경망(CNN)이 필요하다. 2차원 CNN의 특징 추출 부분은 MaxPool2D층과 ...2025.05.05
-
딥러닝의 EEG 신호 분석에서의 활용과 CNN의 원리2025.01.141. 딥러닝 기반 EEG 분석 딥러닝 기법들은 동작상상, 감정인식 등 EEG 데이터 분류 작업에서 우수한 성능을 보인다. 딥러닝 알고리즘은 EEG 데이터 수집과 전처리, 딥러닝 모형 학습, 신호 분류 및 해석의 과정으로 구성된다. 전처리 과정에서는 입력받은 뇌파 신호를 분류하기 쉬운 형태로 바꿔주어 분류의 정확도를 높여야 한다. 2. EEG분석을 위한 딥러닝 기법 EEG 분석을 위한 딥러닝 기법에는 CNN, RNN, GAN, Autoencoder 등이 있다. 입력되는 데이터의 특징에 따라 CNN보다 RNN이 자극에 의한 변화를 인식...2025.01.14
-
AI와 DL을 활용한 기업의 순환경제 전환 전략2025.11.171. Business Model Canvas (BMC) 분석 Natura와 Safa Tempo 두 기업의 비즈니스 모델을 분석한 내용입니다. Natura는 브라질 화장품 브랜드로 '스탠딩 포레스트' 철학을 통해 약 200만 헥타르의 열대우림을 보존하면서 지속 가능한 제품을 생산합니다. 주요 파트너십은 환경 단체, 지속 가능한 공급업체, 소매업체이며, 핵심 활동은 지속 가능한 R&D, 지역사회 관계 구축, 마케팅입니다. Safa Tempo는 카트만두의 전기 택시 서비스로 대기 오염 문제를 해결하며 750개의 일자리를 창출했습니다. 2...2025.11.17
-
딥러닝 기반 작물 개체 통합 시스템2025.12.131. ResNet 모델 ResNet은 Microsoft Research Institute에서 제안한 깊은 신경망으로, 152개 계층의 구조를 가지고 있습니다. 바로 가기 연결과 ID 매핑을 CNN에 추가하여 잔여 학습이라는 새로운 학습 방법을 도입했습니다. 입력과 출력을 결합하여 가중치 계층을 훈련시키는 방식으로, 단축 연결을 통해 기존 CNN과 비교하여 덧셈 계산만 추가되는 효율적인 구조입니다. 2. Faster R-CNN 모델 Faster R-CNN은 객체 검출을 위한 개선된 알고리즘으로, 기존 R-CNN의 계산 비효율성을 해결...2025.12.13
-
트랜스포머 모델링2025.05.061. 트랜스포머 모델 트랜스포머는 어텐션만으로 구성된 신경망 모델로, RNN이나 CNN의 단점을 보완한 모델입니다. 트랜스포머는 어텐션 메커니즘을 사용하며, 단어를 동시에 고려할 수 있고 입력에 순서 정보가 없다는 특징이 있습니다. 트랜스포머 인코더는 멀티헤드 셀프 어텐션으로 구성되어 있으며, 트랜스포머 디코더는 마스크드 멀티헤드 셀프 어텐션을 사용합니다. 2. CNN의 문제점 CNN은 커널을 이용하기 때문에 이미지의 특징을 추출하는데 있어 국소적인 부분만을 고려하는 문제점이 있습니다. 3. RNN의 문제점 RNN은 시간의 흐름에 ...2025.05.06
-
AI 기반 안저 이미지 분석을 통한 안질환 조기 진단2025.12.211. 당뇨망막병증(DR) 진단 당뇨병으로 인해 망막의 미세혈관이 손상되어 발생하는 질환입니다. 초기에는 미세혈관류, 출혈, 경성 삼출물 등이 나타나며, 진행될수록 신생혈관이 자라나 실명을 유발합니다. AI는 CNN을 통해 이러한 초기 미세 병변을 인간의 눈보다 빠르고 객관적으로 식별하며, 비증식성 당뇨망막병증(NPDR) 단계에서 특히 뛰어난 효과를 보입니다. 최신 AI 모델들은 95% 이상의 민감도와 특이도를 달성하고 있습니다. 2. 컨볼루션신경망(CNN) 기술 AI가 안저 이미지를 분석하는 핵심 기술로, 딥러닝의 한 종류입니다. ...2025.12.21
-
인공지능의 이미지 인식과 생성 원리 및 활용2025.12.211. 합성곱 신경망(CNN) CNN은 인간의 시각 시스템을 모방하여 설계된 딥러닝 모델로, 이미지 데이터를 효율적으로 처리합니다. 합성곱 층에서 필터가 이미지를 스캔하여 에지, 코너, 텍스처 등의 특징을 추출하고, 풀링 층에서 특징 맵의 크기를 줄입니다. 초기 층에서는 저수준 특징(선, 점, 색상)을 학습하고, 후반 층으로 갈수록 고수준 특징(눈, 코, 입 등)을 학습합니다. 역전파 알고리즘을 통해 손실 함수를 최소화하는 방향으로 가중치와 편향이 조정되어 이미지 인식 성능을 향상시킵니다. 2. 생성적 적대 신경망(GAN) GAN은 ...2025.12.21
2 / 2
