AI Biz_기말_ai알고리즘 응용사례_알고리즘중심_cnn,lstm,bert,gen(A+만점)

목차

1. CNN
1-1. 딥러닝 활용을 위한 문제점
1-2. 사례 및 기술
1-3. 딥러닝 활용을 통해 얻게 된 이익
1-4. 참고문헌

2. LSTM
2-1. 딥러닝 활용을 위한 문제점
2-2. 사례 및 기술
2-3. 딥러닝 활용을 통해 얻게 된 이익
2-4. 참고문헌

3. BERT
3-1. 딥러닝 활용을 위한 문제점
3-2. 사례 및 기술
3-3. 딥러닝 활용을 통해 얻게 된 이익
3-4. 참고문헌

4. GAN
4-1. 딥러닝 활용을 위한 문제점
4-2. 사례 및 기술
4-3. 딥러닝 활용을 통해 얻게 된 이익
4-4. 참고문헌

본문내용

1. CNN

1-1. 딥러닝 활용을 위한 문제점
우리가 현대 사회에서 많은 물품들을 손쉽게 얻을 수 있는 것은 기술의 발달에 의함이다. 국내 내수시장도 그러하지만, 최근 해외 전자상거래 사이트의 이용 증가로 인해 전자상거래의 주요 물품의 반입수단인 특송화물 반입량이 폭증하는 사례가 많아지고 있다. 실제로 2010년부터 10년간의 화물반입량을 보면 8,777건에서 52,536건으로 약 500%증가한 모습을 보인다. 하지만 이에 따라, 밀반입 또한 늘어나는 추세이다. 담배, 마약, 위해물품 등의 밀반입은 점점 증가하는 추세를 보이고 있기에 이를 잡아내는 것에 많은 노력을 기울이고 있다. 실제로 이를 막기 위한 조치로서 세관 X-ray검사를 시행하는데, 세관에서는 이를 통해 화물을 선별하고, 검색기를 촬영, 영상 판독 및 검사의 과정을 거친다. 이를 통해서 세관은 불법물품 은닉을 적발하며, 허위신고를 적발하는등의 과정을 거치지만, 불법물품 은닉과 같은 경우 적하목록이나 운송장에 표기되지 않은 물품을 영상에 의존하여 적발해야하는 어려움과 함께, 허위신고의 선발과 같은 경우는 운송장에 신고한 물품의 종류와 수량의 일치 여부를 확인해야하기에 더 어려운 문제로 보여지고 있다. 그 중 여기에서는 이러한 문제점 중 위해물품을 엑스레이를 통해 더욱 정교하고 편리하게 검출할 수 있는 방법을 알아본다.

1-2. 사례 및 기술
최근 항공보안 수하물의 엑스선검색기의 위해물품 자동탐지 AI시스템이 도입 및 이에 대한 기술이 개발되어지고 있다. 이런 곳에서 사용하는 CNN은 SW-CNN / R-CNN / Fast-R-CNN / Mask-R-CNN / YOLOv2 등의 알고리즘이 있다.
그 중 이곳에서는 Mask-R-CNN의 활용을 시행하였다. 이를 통해 위해물품의 특징 별 검출 정확도 수치를 비교하고, 검출이 어려운 물품에 대한 시험 시나리오 및 Test-Kit을 구축한다. 이를 구현하고 활용하기 위해서는, 총 3단계의 과정을 거친다.

참고자료

· Tero Karras 외 6명, Alias-Free Generative Adversarial Networks, arxiv, 2021.18
· https://nvlabs.github.io/stylegan3/
· https://blogs.nvidia.co.kr/2021/11/26/how-researchers-use-nvidia-ai-to-help-mitigate-misinformation/