Computer Vision (컴퓨터 비전) 연구의 역사

A brief history of computer vision and deep learning

---

컴퓨터 비전 연구의 시작

• Hubel and Wiesel, 1959 - 고양이 실험
  • 고양이의 시각 피질 실험에서 고양이 시야의 한 쪽에 자극을 주었더니 전체 뉴련이 아닌 특정 뉴런만 활성화
  • 물체의 형태와 방향에 따라서도 활성화되는 뉴런이 다름
  • → 시각 정보가 뇌에서 어떻게 처리되는지에 대한 이해
• Larry Roberts, 1963
  • 사진 정보를 컴퓨터로 가져오는 방법에 관한 연구
  • The Sight System을 통해 물체를 비교적 정확하게 인식
  • → 초기 컴퓨터 비전 분야에서 3차원 물체 인식을 위한 중요한 기반 제공
• David Marr, 1970s
  • Primitive Representations : 시각적 자극을 간단한 선, 모서리, 각도 등 기본적 구성 요소로 나눔
  • 2.5-D Sketch : 시각적 자극을 빛의 방향과 세기 등을 고려하여 3차원 모델링
  • 3-D Model Representation : 시각적 자극을 현실 세계의 객체와 같은 형태로 표현
• Books and Binford, 1979
  • Generalized Cylinders : 객체의 형태를 나타내기 위한 기하학 모델
• John Canny, 1986 (“A computational approach to edge detection”)
  • Edge를 detecting할 수 있는 알고리즘 제안
• David Lowe, 1987 (”Three-dimensional object recognition from single two-dimensional images”)
  • Edge를 일치 시켜 객체 이미지를 인식하는 메커니즘 제안
• Shi and Malik, 1997 (”Normalized cuts and image segmentation”)
  • Normalized cuts 알고리즘을 적용한 이미지 분할
  • 이미지를 그래프로 변환하는 아이디어
• David Lowe, 1999 (”Object recognition from local scale-invariant features”)
  • 이미지에서 지역적으로 불변한(scale-invariant) 특징점 추출하고 이를 사용하여 객채 인식(Object Recognition) 수행
  • SIFT(Scale-Invariant Feature Transform)라는 알고리즘 사용
  • 이미지의 크기와 회전에 불변한 특징점을 추출하므로 강건(Robust)하게 객체 인식 수행 가능
• Viola and Jones, 2001 (”Rapid object detection using a boosted cascade of simple features”)
  • 빠르고 정확한 객체 탐지를 위한 Viola-Jones 알고리즘을 제시하였으며, 이 알고리즘의 핵심은 Haar 특징 (Haar-like features)을 사용한 분류기
  • 직사각형 내의 픽셀 값으로 edge 정보를 추출한 후, 이 특징을 이용하여 AdaBoost 알고리즘으로 분류기 학습
  • → 매우 빠르게 상업화가 진행된 알고리즘 (ex. 자동 초점, 보안 검색)

이 후 딥러닝의 등장과 함께 더욱더 빠르게 발전

 

 

출처 : 미시간 대학교 컴퓨터 비전 강의

https://www.youtube.com/watch?v=dJYGatp4SvA&list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r