2024/03/25 회의록(논문 리뷰)

[회의 주제]

[To-do]

• 논문 리뷰

• 전이학습 이해

[세부 내용 메모]

호진 Reference review

• Application of deeplearning in Art Therapy
• HTP와 같은 분석은 치료자의 주관에 따라 달라질 수 있기에 AI를 이용해보자
• 미술치료의 support system을 만드는 게 중요
• deep learning-bsed image captioning model 같은 게 필요
• 기존연구: CNN, transfer learning 이용한 data set training은 이미 이뤄짐. 하지만 keyfactor에만 중심, 맥락 같은 내용을 파악하긴 힘듦.
• Object classification
• image 내에 있는 obj를 model(ResNet)에 → obj 중심으로 봄
• feature들에 대해 분석 → feature 중심으로 봄

• ⇒ pretrained model이 필요하다.. general context를 나타낼 수 있는 AI 모델을 만들자
• Transfer Learning( domain adaptation )
• target domain(실물 사진) - source domain(실물과 유사도 높은 그림)

학습 방법, dataset 모으는 방법 -지원

• dataset 모으기 > 이미지를 함께 얻을 수 있는 설문지(google form)을 이용하자

• multi-labeling > Dimensional Emotion Space(DES)

• 새로운 dataset > finding-emo : 이모셋보다 다양한 분류의 data

• meta learning > 학습 후에 또 학습을 하며 정확도를 높이는 방법

• transfer learning, fine tuning에 대해서도 자세히 알아보아야 할 듯..

• transfer learning coding을 어떻게 하는지.
• pre-trained된 모델을 가지고 와서 label 중에 우리가 쓸 레이블은 frozen(동결), 더 이상 학습 되지 못하게

• 고양이를 구별할 수 있는 모델로 살쾡이 구별하는 모델 만들기
• 고양이와 살쾡이 차이점 feature만 제외하고 나머지는 freeze한 뒤 해당 feature에 대해서만 train 시키는 느낌인 듯.
• 이를 multi-label에 적용시켜보면,, 그림을 인식할 수 있는 부분들은 freeze하고 label 달아주는 것만 학습시키게 되는 건가??
• GPT가 말하길 전이학습 두번 정도 하면 된다..?!

• fine-tuning은 parameter를 업데이트 시켜야 함.

• 작은 데이터 셋을 이용할 때 가중치 값이 적게 들어가기에 overfitting 되는 것도 막을 수 있다함.

• 모델의 첫번째 층은 general한 걸 다루고 끝 layer로 갈수록 구체적인 특징을 다룸.

[다음 회의 주제 및 To-do]

• reference review -아현

• 데이터 셋 정하기(교수님께 여쭤볼 것 준비)