영상인식에서 진화형 계산의 유용성

전문가 제언

○ 일반적으로 지능은 오랜 세월을 통하여 진화하여 왔다. 최초에는 비교적 단순한 프로토-타입(prototype)에서 서서히 진화되어 최종적으로 고도의 목표를 지향하는 최적화를 생각하게 되었다. 최적화 프로세스에 진화를 도입한 것이 진화형 계산기법이며 최적화법으로 공학 분야에서 유용하게 이용하기 위하여 많은 연구가 수행되고 있다.

○ 진화형 계산은 구조설계, 스케줄링 등 현실사회의 다양한 문제해결에서 유용성을 발휘하고, 확률적 최적화법으로 발전을 계속하여 왔다. 진화형 계산은 유전적 알고리즘, 유전적 프로그래밍 등 다수의 기법이 제안되어 있다. 본고에서는 영상인식의 과제와 영상인식에 진화형 계산기법 적용의 유용성에 대하여 해설하였다.

○ 일본 Yokohama 대학 Nagao 교수는 현재의 진화형 계산기법을 능가하는 새로운 진화적 최적화법을 개발하고 있다. 최적화의 과정에 진화라는 개념을 도입한 것이 유전적 알고리즘, 유전적 프로그래밍 등 진화형 계산기법이며 개발한 GAUGE(Genetic AUtomata GEneration)는 알고리즘의 기본인 ‘오토마톤’을 진화적으로 생성하는 것이다. 이것으로 영상인식 등 자동 프로그래밍으로 발전시킬 수 있다.

○ 최근에는 GMA(Genetic Matrix Algorithm), GIN(Genetic Image Network), GRAPE(GRAph structured Program Evolution) 등 진화형 계산기법을 개발하고 있다. 특히 GRAPE는 학습 데이터만으로 처리 프로그램을 자동 구축하는 것으로 주목받고 있다.

○ 한국지능시스템학회를 비롯하여, 대한건축학회, 동명정보대학 등에서는 진화형 계산에 의한 신경계 탐색 등에 대하여 연구하고 있다. 앞으로 진화형 계산의 응용으로 영상인식 프로그램 등을 직접 만들지 않고도 데이터를 부여하는 것만으로 처리 프로그램이 자동 구축되고 또 모든 정보처리를 형식에 구애받지 않고 모두 진화적으로 자동 생성하는 방식에 대한 연구개발이 이뤄질 것으로 예상된다.

저자

Tomoharu NAGAO

자료유형

학술정보

원문언어

일어

기업산업분류

정보통신

연도

2012

권(호)

132(4)

잡지명

電氣學會誌

과학기술
표준분류

정보통신

페이지

216~220

분석자

유*로

분석물

• 영상인식에서 진화형 계산의 유용성.pdf [236,915 byte]

이미지변환중입니다.