매스웍스, MATLAB에서 GAN을 쉽게 구현하는 방법과 딥러닝 Toolbox 업데이트, GAN의 소개 및 구현, 확장된 기능을 통해 구현 가능한 예제 등으로

아래 영상 캡처
아래 영상 캡처

주로 인간의 개입에 의한 인공지능이 대부분을 차지하고 있었지만 인간의 개입 및 학습 데이터가 없어도 스스로 학습하는 신경망, 서로 대립하는 두 시스템이 서로 경쟁하는 방식으로 학습을 진행하는 비지도 학습 방식의 신경망을 '적대적 생성신경망 또는 생성적 적대신경망(Generative Adversarial Network. 이하, GAN)'이라 한다.

생성적 적대신경망(GAN)은 두개의 모델이 있다. 하나는 생성기/생성자(G, Generator) 이며, 또 하나는 분류기/판별자(D, Discriminator)로 두 모델은 서로 경쟁하면서 서로에게 영향을 미치면서 고도화된다.

생성기는 노이즈로부터 어떠한 결과물을 만들어내는데, 이 결과물은 분류기에 의해서 평가되며, 분류기는 생성기로부터 온 결과물과 실제 데이터(Real Data)를 구분해내는 역할을 한다. 예를 들어, 이미지를 생성하는 AI와 그 이미지가 진짜인지를 분별 AI가 경쟁하면서 가짜 이미지를 진짜 이미지와 최대한 가깝게 이미지를 생성하고 생산한다.

다시 말해, 생성기는 분류기를 속일 정도로 잘 만들어야 하며, 분류기는 생성기가 생산한 가짜 데이터(Fake Data)를 진짜데이터와 잘 식별해야 한다.

MATLAB에서도 최신의 생성적 적대신경망(GAN) 기술들을 구현할 수 있다. 아래 동영상은 딥러닝 Toolbox 업데이트, GAN의 소개 및 구현, 확장된 기능을 통해 구현 가능한 예제 등으로 구성됐다. 강의 20분, Q&A 10분으로 총 30분 간 진행되며, MATLAB에서 GAN을 쉽게 구현하는 방법과 코드를 함께 소개했다.

또한 R2019b 릴리즈에서 Custom training loops, loss functions와 Auto Differentiation (Autodiff) 등의 기능들을 통해 GAN, Attention Mechanism, VAE(Variational AutoEncoder) 및 Siamese Networks와 같은 다양한 딥러닝 기법들을 학습 및 활용할 수 있다.

한편, 발표자 송완빈 과장은 영상처리 및 컴퓨터 비전 분야로 석사학위 취득 후, MathWorks에서 데이터 분석, 영상처리 및 머신러닝·딥러닝 관련하여 매스웍스 코리아 Application Engineer로 재직하고 있다.

 

저작권자 © 인공지능신문 무단전재 및 재배포 금지