분류 이해
대상이 속한 범주 또는 클래스를 예측하기 위해 기계 학습 분류 기법을 사용할 수 있습니다. 분류 기계 학습 모델은 ‘기능’이라고 부르는 입력 세트를 사용하여 가능한 각 클래스의 확률 점수를 계산하고 개체가 속할 가장 가능성이 높은 클래스를 표시하는 ‘레이블’을 예측합니다.
예를 들어 꽃의 기능에는 꽃잎, 줄기, 꽃받침 및 기타 정량적 특성의 측정치가 포함될 수 있습니다. 이러한 측정치에 가장 가능성이 높은 꽃의 클래스를 계산하는 알고리즘을 적용하여 기계 학습 모델을 교육할 수 있습니다.
이미지 분류 이해
‘이미지 분류’는 분류의 대상으로 되는 개체가 사진과 같은 이미지인 기계 학습의 한 가지 기법입니다.
이미지 분류 모델을 만들려면 기능 및 해당 레이블로 구성된 데이터가 필요합니다. 기존 데이터는 분류된 이미지 집합입니다. 디지털 이미지는 픽셀 값 배열로 구성되며, 알려진 이미지 클래스를 기반으로 모델을 학습시키는 기능으로 사용됩니다.
모델은 픽셀 값의 패턴을 클래스 레이블 세트와 매칭하도록 학습됩니다. 모델을 학습시킨 후 새 기능 세트에 사용하여 알 수 없는 레이블 값을 예측할 수 있습니다.
Azure's Custom Vision 서비스
대부분의 최신 이미지 분류 솔루션은 ‘CNN(나선형 인공신경망)’을 사용하여 특정 클래스에 해당하는 픽셀에서 패턴을 확인하는 ‘딥 러닝’ 기술을 기반으로 합니다. 효과적인 CNN을 학습시키는 것은 데이터 과학 및 기계 학습에서 상당한 전문 지식이 필요한 복잡한 작업입니다.
이미지 분류 모델을 학습시키는 데 사용되는 일반적인 기술이 Microsoft Azure의 Azure AI Custom Vision 서비스에 집약되었습니다. 모델을 쉽게 학습시키고 딥 러닝 기술에 대한 최소한의 지식만으로 소프트웨어 서비스로서 게시할 수 있도록 지원합니다. Azure AI Custom Vision을 사용하여 이미지 분류 모델을 학습하고 애플리케이션에서 사용할 서비스로 배포할 수 있습니다.