도커 기반의 빅데이터 분석 환경을 고려한 딥러닝 플랫폼 설계 (Design of Deep Learning Platform Considering Docker Based Big-data Analysis Environments)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 32권 / 3호 / 201 ~ 208페이지
· 저자명 : 김동길, 정태윤, 박용순

초록

안개 제거 기술은 안개 제거 영상의 품질 향상에 초점을 맞추고 있어 모델 복잡도가 비약적으로 증가하고 있다. 하지만 안개 제거 기술은 다른 태스크의 전처리 과정으로 활용되어 안딥러닝 모델을 학습하고 학습된 모델에서 새로운 데이터에 대한 예측을 수행하기 위해서는모델 생성부터 예측까지 전체 과정을 간편하게 사용할 수 있는 환경이 필요하다. 그러나 대부분의 인공지능 서비스들은 모델 성능을 높이기 위한 파라미터를 결정하는데 많은 시간과노력을 기울이고 있다. 따라서 본 연구에서는 공개 소스를 활용하여 컨테이너 기반으로 딥러닝 분류 모델의 배포 및 관리가 쉬운 아키텍처를 설계하고자 한다. 분류 모델은 시계열,비시계열, 이미지 데이터에 대한 3가지 방법론을 제안한다. 실험 결과 데이터 유형별로 장단기 메모리 구조, 컨볼루션 신경망 구조, 순환 신경망 구조, 사전 훈련 모델을 사용할 수 있는컨테이너를 제공함으로써 모든 데이터를 적절하게 분류할 수 있었다

영어초록

Existing methods for image dehazing are focused on increasing the quality ofrestored images, so they require huge parameters. Considering that the mainpurpose of image dehazing is a preprocessing step for various tasks, it is importantto balance the model complexity by considering the performance of image dehazingand that of the main tasks. Therefore, in this paper, we analyze the effect of imagedehazing on object detection, a typical task of computer vision. We use ninedehazing models having different performances and the six object detection methodsfor analyzing the relation between the performance of dehazing and its influence onobject detection. Experimental results showed that the performance of the objectdetection methods does not increase in proportion to the performance of the imageIn order to learned a deep learning models and performed predictions on new datain the learned models, an environment that could simple used to the all processedfrom models generated to prediction is needed. However, most artificial intelligenceservices a lot of time and effort to determine parameters decide to increased themodels performance. Therefore, in this study, architectures are designed for thedistribution, management of container based deep learning classification models ofthe using open source. Propose were made for a total of three: time-series, nontime-series, and image data, which are classification models. As a result of theexperiment, all data could be proper classified by provided container forLSTM(Long Short-Term Memory), CNN(Convolutional Neural Network),RNN(Recurrent Neural Network) and pre-training models by data typed

참고자료

· 없음