| |
 |
|
| ▲ 카이스트 김준모 교수 |
평창 휘닉스파크에서 열린 ‘KRoC2016’의 마지막 날, ‘로봇비전을 위한 딥러닝(Deep Learning for Robot Vision)’ 튜토리얼 세션이 진행됐다.
오전 9시라는 비교적 이른 시각이었음에도 100명이 앉을 수 있는 다이아몬드 홀이 일찌감치 채워졌다. 많은 참석자들이 강연장 뒤편에 서서 들어야 했지만 중간에 자리를 뜨는 사람 하나 없었다.
강연자로 나선 카이스트 전기전자공학부 김준모 교수는 “딥러닝은 최근 음성 인식, 영상 인식 분야의 각종 세계 신기록을 갈아치우며 강력한 기계학습 방법으로 각광받고 있다”면서 “특히 사람이 수동으로 각종 피쳐(Feature)를 디자인 한 후 기계학습으로 분류, 인식 문제를 해결하던 패러다임을 탈피해 데이터만으로 계층적인 피쳐들을 학습하고 분류, 인식한다는 점에서 딥러닝은 기계학습의 새로운 패러다임을 제시했다”고 운을 뗐다.
그러면서 “아직 딥러닝에 대해 관심이 있지만 적용하지 못하고 있는 로봇공학도들을 위해 딥러닝이 무엇이며 왜 그동안 딥러닝이 어려웠는지 살펴보고 딥러닝을 가능케 한 최근 성과들을 소개하고자 세션을 마련했다”고 강연 의도를 밝혔다. 이와 관련해 김준모 교수는 RBM, DBN, DNN, CNN 기법 등을 소개하고 이들이 얼굴 인식, 물체 인식을 포함한 로봇비전 문제들에 어떻게 활용되는지 소개했다.
| |
 |
|
| ▲ 기존 딥러닝의 느린 학습시간과 가중치 문제 등을 해결하는 활성함수 레루(ReLU)에 관해 설명하고 있는 김준모 교수 |
김준모 교수가 밝힌 딥러닝의 성공요인은 계층별로 효율적인 예습 시스템을 구성한 것이었다. 사전 훈련 시 드롭아웃(Drop-out)시켜 오버피팅(Over-Fitting)을 감소시킨 것도 주효했다. 드롭아웃이란 인공뉴런을 학습시킬 때 일부를 빼고 진행해 우수한 인공뉴런만이 아니라 ‘소극적인’ 인공뉴런도 학습에 참여하도록 유도하는 것을 말한다. 오버피팅은 서로 연결된 인공뉴런들이 많아 과대평가된 결과 값이 나오는 현상이다.
이날의 강연 중 큰 반향을 일으킨 것은 딥러닝의 최근 기술동향을 소개하는 시간이었다. 특히 페이스북의 딥페이스(DeepFACE)가 나온 뒤 얼마 지나지 않아 공개된 딥아이디2(DeepID2)였다. '정면이 아닌 얼굴'과 '조명 값이 다른 얼굴' 사진을 일반 조명의 정면 사진으로 구현하는 알고리즘이었다.
| |
 |
|
| ▲ 실시간 비전 인식 시연. 카메라로 키보드를 비추자 화면에 딥러닝으로 유추한 단어들이 표현되고 있다. |
김준모 교수 연구실의 딥러닝 기법을 활용한 실시간 인지 시연도 튜토리얼 참여자들의 눈길을 사로잡았다. 카메라가 사물들을 비추는 것과 거의 동시에 사물의 이름을 화면에 표시하자 이 곳 저 곳에서 감탄의 박수가 터져 나왔다.
김 교수는 예정된 3시간의 강연을 마무리하며 “올해 로봇공학자들을 위한 딥러닝 여름캠프를 카이스트에서 개최할 예정”이라고 전했다. |
