개발자와 기획자의 사이

시각지능 기술동향 - 기술개발 사례 중심.pdf (출처: www.iitp.kr, 정보통신기술진흥센터)

• 시각지능의 정의: 대규모 이미지 데이터르 학습하여 다양한 종류의 사물을 인식하고 이해하기는 기술로, 사람을 대신하여 사물을 인식하고 학습하여 다양한 영상 데이터가 가지고 있는 의미 정보를 분석해 내는 플랫폼
• 스텐포드 대학의 ImageNet은 연구용 데이터베이스로 google이나 microsoft에서도 활용하고 있는 자료임. google은 이 DB를 이용하여 객체 검출 모델의 앙상블 조합으로 좋은 결과를 발표하였고, deep neural networks 기술이 주요 이슈로 등장
• google은 브레인 X 프로젝트 일환으로 사람처럼 사물을 구분하고 인식, 학습할 수 있는 기술을 수 년간 연구 진행 중이며, 방법론으로는 Deep neural networks를 사용하고 있음. 토론토 대학의 Geofrrey Hinton 교수를 영입하여 2013년부터 본격적인 연구에 착수
• 이 밖에 IBM, 버지니아텍 연구 사례가 간단히 소개되어 있으며, 분서 말미의 참고문헌 링크가 매우 쓸만함
• 참고문헌
• [1] Stanford, ImageNet, http://www.image-net.org/
  [2] MIT, SUN database, http://groups.csail.mit.edu/vision/SUN/
  [3] Databrary, [Online] http://databrary.org/
  [4] DARPA, “BAA-08-20: Video and Image Retrieval and Analysis Tool (VIRAT),” March 03, 2008.
  [5] DARPA Mind’s Eye, http://www.darpa.mil/Our_Work/I2O/Programs/Minds_Eye.aspx
  [6] IBM Multimedia Analysis and Retrieval System, http://mp7.watson.ibm.com/imars/.
  [7] Microsoft, Web Image Search and Exploration (WISE), http://research.microsoft.com/en-us/projects/WISE/. [8] A Krizhevsky, “ImageNet Classification with Deep Convolutional Neural Networks”, NIPS 2012.
  [9] Microsoft ADAM, http://www.theregister.co.uk/2013/11/15/google_thinking_machines/
  [10] U. of Virginia, “HIPI : Hadoop Image Processing Interface”, http://hipi.cs.virginia.edu/
  [11] IBM Research-Columbia Univ. “Semantic Indexing Task”, 2012.