차이점 - 딥러닝, 머신러닝의 차이점

 

 

 

 

머신 러닝(Machine Learning)과 딥 러닝(Deep Learning)은 입력(Input), 특징 추출(Feature Extraction)과 분류(Classification), 결과도출(Output)이라는 과정은 동일하지만, 머신 러닝(Machine Learning)은 기본적으로 사람이 입력한 알고리즘을 통해 데이터를 분석하고, 이를 통해 학습(Training)한 후, 그 기반으로 추론(Inferencing)을 진행한다.

 

 

 

즉, 사물의 형태, 면, 부분 등의 인공지능이 사물을 인식할 때 필요한 특징(Feature)을 분류할 수 있는 분류기(Classifier)를 사람이 직접 코딩(Coding)으로 제작해야 작동 하게 되는 것이다. 인간이 직접 복잡한 코딩(Coding)을 입력해야 하기 때문에, 명확하지 않은 이미지 인식에 있어서 한계점이 존재한다.

 

딥러닝(Deep Learning)은 인식할 이미지를 지정하고 무엇인지 라벨(Label)을 달아주면 인공신경망(Deep Neural Network)을 통해 그 분류된 데이터(Labeled Data)를 수많은 층(Layer) 상의 분류기로 반복적으로 학습(Training)한다. 이미지를 수많은 조각으로 잘라 첫 번째 층(Layer)에 입력하면, 그 뉴런들은 데이터를 다음 층(Layer)에 전달하는 과정을 최종 이미지 인식 출력(Output)이 될 때까지 반복한다.

 

입력(Input) 단계에서 결과도출(Output) 단계까지 앞으로 진행하는 전방향전파(Forward Propagation)으로 진행되며, 만약 이미지 인식의 오류가 발생할 경우 후방향전파(Backward Propagation)로 진행된다. 이 과정의 반복을 통해 오류를 바로잡고 정확한 이미지 인식을 할 수 있게 된다.

(http://news.mk.co.kr/newsRead.php?year=2018&no=53451)

 

https://brunch.co.kr/@itschloe1/8