Deep Learning 1) 딥러닝을 활용한 유용한 사이트들을 소개합니다

<p dir="auto">안녕하세요, 지행무간(知行無間)입니다.<br /> 저는 기계공학을 전공하고 있는 대학원생입니다.<br /> 더 세부적으로는 전산유체역학(CFD) 분야에서 유체 제어(Fluid control)에 딥러닝(Deep learning)을 적용하는 연구를 하고있습니다.<br /> 딥러닝은 방대한 머신러닝(Machine Learning) 분야 중에 하나에 불과했지만 요즘은 가장 주류의 학습 방법이 되었습니다.<br /> 딥러닝이 앞으로의 우리 사회에 끼칠 영향에 대해 이해하기 위해선 딥러닝으로 무엇을 할 수 있는지 많이 아는 것이 중요한 것 같습니다.<br /> 그래서 일반인들도 딥러닝의 능력을 가늠할 수 있는 포스팅을 지속적으로 하려고 합니다.<br /> 오늘은 간단하게 유용한 사이트 몇 개를 소개하고, 그 원리에 대해 아주 간략하게 다루도록 하겠습니다. <pre><code>* Waifu2x(http://waifu2x.udp.jp/index.ko.html) <p dir="auto">Waifu2x는 자신이 가지고 있는 그림이나 사진의 해상도를 업스케일링해주는 사이트입니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmUhU2x2oSToPmgMLNSZchZ6awZD84qHhNwUKXGC7hzDCH/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmUhU2x2oSToPmgMLNSZchZ6awZD84qHhNwUKXGC7hzDCH/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmUhU2x2oSToPmgMLNSZchZ6awZD84qHhNwUKXGC7hzDCH/Image.png 2x" /> <p dir="auto">언틋보면 사이트 자체는 허술해보이지만, 제공해주는 기능은 강력합니다.<br /> 사진보다는 그림 업스케일링 성능이 더 좋은 편이며, 홈페이지 뿐만 아니라 프로그램을 다운로드해서 사용할 수도 있습니다.<br /> 딥러닝이나 머신러닝의 가장 강력한 힘 중 하나가 바로 예측입니다.<br /> 나무위키에서 제공하는 예시를 보시면 다음과 같습니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmZyA5eHU64iy5fRc1CekLQFrq3iz4XWL7R4PeSD2Y3SSa/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmZyA5eHU64iy5fRc1CekLQFrq3iz4XWL7R4PeSD2Y3SSa/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmZyA5eHU64iy5fRc1CekLQFrq3iz4XWL7R4PeSD2Y3SSa/Image.png 2x" /> <p dir="auto">원본을 가로세로 2배씩 확대힜지만 노이즈나 픽셀깨짐없이 매우 깨끗하게 업스케일링 된 것을 볼 수 있습니다. <pre><code>* PaintsChainer(https://paintschainer.preferred.tech/index_en.html) <p dir="auto">다음은 PaintsChainer라는 사이트입니다.<br /> Waifu2x와 비슷하지만 용도가 다릅니다.<br /> 이 사이트는 스케치한 그림에 채색을 해줍니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmZ8HyS1BUVUkkKbVQrDt1Ciybe6DNW5THSk4mfA6NRaE6/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmZ8HyS1BUVUkkKbVQrDt1Ciybe6DNW5THSk4mfA6NRaE6/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmZ8HyS1BUVUkkKbVQrDt1Ciybe6DNW5THSk4mfA6NRaE6/Image.png 2x" /> <p dir="auto">사용하는 방법은 Waifu2x와 비슷합니다.<br /> 스케치를 업로드하거나 즉석으로 그림을 그리면 자동으로 색칠을 해줍니다.<br /><span> 사이트의 오른쪽 하단에 보시면 트위터에서 <a href="/trending/paintschainer"> #PaintsChainer 태그를 통해 실시간으로 올라오는 예시들을 확인할 수 있습니다. <p dir="auto">가장 최신에 올라온 예시를 보면 다음과 같습니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmVxsF6zA4tM2Z23tB8YL8HhhHGw9HDB6tfR1AgHxKNQWr/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmVxsF6zA4tM2Z23tB8YL8HhhHGw9HDB6tfR1AgHxKNQWr/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmVxsF6zA4tM2Z23tB8YL8HhhHGw9HDB6tfR1AgHxKNQWr/Image.png 2x" /> <p dir="auto">어설프게 색칠이 되는 것이 아니라 사람이 느끼기에 전혀 어색함이 없는 수준의 채색 성능을 보여줍니다.<br /> 이 사이트들을 이용하기는 매우 쉽기때문에 더이상의 설명은 필요없을것 같습니다.<br /> 즐겨찾기에 넣어두시면 언젠가 유용하게 쓰일 일이 있을거라 생각합니다. <p dir="auto">이젠 그 원리에 대해 간략히 설명해보겠습니다. <pre><code>* Autoencoder <p dir="auto">딥러닝을 가장 간단하게 설명하면 데이터로 신경망을 통해 특정한 능력을 학습하는 것입니다.<br /> 말은 쉽지만 어떻게 학습하느냐에 따라서 학습의 결과가 크게 달라집니다.<br /> 그 중 학습하는 구조가 매우 중요할 때가 있습니다.<br /> 이러한 구조를 딥러닝에선 신경망이라는 표현을 씁니다.<br /> Autoencoder는 대표적으로 신경망의 구조를 잘 활용하여 학습하는 방법입니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmQzZMEnyJfpRgnNTWQSMskcwZSDSwVDQi8i29Fp79sQK5/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmQzZMEnyJfpRgnNTWQSMskcwZSDSwVDQi8i29Fp79sQK5/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmQzZMEnyJfpRgnNTWQSMskcwZSDSwVDQi8i29Fp79sQK5/Image.png 2x" /> <p dir="auto">위의 그림은 Autoencoder의 신경망을 간단하게 표현한 모습입니다.<br /> 보통의 신경망을 학습을 할 때는, input에 학습하기위한 수많은 데이터(빅데이터라 불리는)를 넣고,<br /> 그 데이터에서 우리가 원하는 결과를 output에서 낼 수 있도록 신경망을 학습시킵니다.<br /> 이 때, Autoencoder의 핵심 아이디어는 Input과 Output을 동일하게 만드는 겁니다.<br /> 그리고 그 신경망의 중앙에 병목현상을 만드는 것입니다.<br /> 이러한 간단한 두 가지 아이디어의 결과로 엄청난 일들이 가능하게 됩니다.<br /> 이 신경망이 잘 학습되었다는 가정을 해보죠.<br /> 그렇다면 이 신경망은 Input에 어떤 것을 넣어도 Output에 자신과 똑같은 것을 복제하게 됩니다.<br /> 그런데 중앙의 병목을 생각해보면 병목쪽의 data는 input에 비해 훨씬 적은 정보를 가지고 있습니다.<br /> 그런데 그 적은 정보로 풍부한 Output의 정보를 만들어 낼 수 있습니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmQ8yCuvBZVH8eNp4VRL86P6TmDhVFdQp87BzmXLBX4tEX/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmQ8yCuvBZVH8eNp4VRL86P6TmDhVFdQp87BzmXLBX4tEX/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmQ8yCuvBZVH8eNp4VRL86P6TmDhVFdQp87BzmXLBX4tEX/Image.png 2x" /> <p dir="auto">다시 그림을 통해 설명해보겠습니다.<br /> Input과 Output에 똑같은 고양이 사진을 넣고 신경망을 학습시킵니다.<br /> 그러면 중앙의 병목에는 압축된 정보(스케치된 고양이)만 남습니다.<br /> 그리고 이렇게 학습된 신경망에 왼쪽의 푸른 부분은 제외하고 오른쪽의 신경망만 사용한다고 해보죠.<br /> 그러면 스케치된 고양이만 넣어도 색칠이 된 고양이가 output으로 나올 수 있습니다. <pre><code>* 근미래에 우리가 누리게 될 것 <p dir="auto">정말 놀라운 일입니다.<br /> 위의 방식은 매우 간단히 구현할 수 있는 수준입니다.<br /> 좀 더 최신 기술을 소개해보겠습니다.<br /> 구글의 RAISR라는 사진 업스케일 기술입니다. <p dir="auto"><img src="https://images.hive.blog/768x0/https://steemitimages.com/DQmVZfjSTQcUD45MQdaMrRvrK7RkhAMURHSwv6dPTYjwKtC/Image.png" alt="Image.png" srcset="https://images.hive.blog/768x0/https://steemitimages.com/DQmVZfjSTQcUD45MQdaMrRvrK7RkhAMURHSwv6dPTYjwKtC/Image.png 1x, https://images.hive.blog/1536x0/https://steemitimages.com/DQmVZfjSTQcUD45MQdaMrRvrK7RkhAMURHSwv6dPTYjwKtC/Image.png 2x" /> <p dir="auto">사진 원본의 1/4 용량만으로도 원본 수준으로 복원가능하다고 합니다.<br /> 실제로 구글은 현재 1주일마다 10억장 이상의 사진에 이 기술을 사용하고있다고 합니다.<br /> 정말 놀라운 일입니다.<br /> 생각해보면 이러한 기술들이 발전하여 이 기술을 활용한 비디오 코덱이 나오고, 비디오 재생 플레이어가 나온다면 지금 우리가 사용하는 1K 동영상 용량으로 4K 동영사을 재생할 수도 있는 겁니다.<br /> 더 나아가면 가상현실(VR) 기술에도 꼭 필요한 기술입니다.<br /> 가상현실 기기들은 굉장히 높은 해상도가 필요하지만 이 해상도를 구현할 하드웨어 성능이 부족한 현실입니다.<br /> 저는 하루빨리 이러한 기술들이 빨리 보급되길 기다리고 있습니다. <p dir="auto">개인적으로 이러한 기술을 일반인들이 많이 관심갖길 바라고 있지만 수학적인 부분을 빼놓고 딥러닝을 설명하는데에 한계가 있습니다.<br /> 하지만 구글의 Tensorflow처럼 수학적인 부분을 모르고도 최신 딥러닝 기술을 활용할 수 있도록 하는 툴이 많이 나오고 있기때문에 딥러닝으로 무엇을 할 수 있는지 아는 것만으로도 좋은 아이디어가 있다면 충분히 이 분야의 기술들을 활용할 수 있을 것입니다. <p dir="auto">앞으로도 딥러닝의 최신 기술들이나 원리에 대해 간략하게 설명할 예정입니다.<br /> 그리고 개인적으로도 딥러닝이나 인공지능 부분을 전공으로 하고 있는 분이 있다면 저도 많이 도움을 받을 수 있으면 좋겠습니다.