Personal Characteristic Data Driven Machine Learning with Neural Networks

Abstract

최근 모바일 환경에서 인공신경망 기반의 서비스 및 어플리케이션이 빠르게 증가하고 있으며 모바일 장치에도 AI를 위한 전용 하드웨어가 탑재되고 있는 추세이다. 이러한 기조 안에서 본 프로젝트는 머신러닝을 위한 전용 하드웨어를 장착한 웨어러블 디바이스를 타깃으로 하여, 기기 내에서 사용자로 인해 만들어진 데이터를 이용해 인공신경망 기반의 학습을 진행하고 특정 개인에게 더욱 특화된 맞춤형 서비스를 제공하기 위해 진행된 선행적 프로젝트 이다. 위에 기술된 목적을 필기체 인식 영역에 적용하여, 현업에서 주로 사용되었던 기존 HMM 방식의 필기체 인식 대신 사용자의 필기체 데이터만을 활용하여 인공신경망 기반의 학습을 진행하였다. Transfer learning과 같이 기존의 빅 데이터를 이용해 학습된 망에 자신의 데이터를 더하는 방식이 아닌, 사용자가 직접 만들어낸 소량의 데이터만을 이용해 데이터 증식과정을 거쳐 학습을 진행하고 최적의 모델을 선택하는 방식을 실험하였다. 위와 같은 방식으로 총 52종류의 알파벳은 200개 데이터를 사용하여 훈련 시 평균 약86%, 1000개 데이터를 사용하여 훈련 시 평균 약 98% 인식률을 확인 하였으며 특징이 강하고 분산이 작은 데이터는 소량만으로도 인공신경망 학습이 가능하고 성능 또한 활용 가능한 수준임을 보았다. 또한 한글 필기체 인식 실험으로 어려운 문제의 경우 데이터의 특징을 분석하고 그에 맞게 label의 종류와 training data 구조를 변형 시켜 구성해 주는 것이 학습에 매우 큰 도움이 된다는 것을 확인 하였다.