1. 딥러닝을 처음 접하다.
2016년 초, 알파고를 기점으로 인공지능이 막 수면 위로 떠오르고 있었다.
그때는 딥러닝이 나랑 상관없는 기술이라고 생각했고, 대학원에 진학할때도 별로 관심이 없었다.
내가 대학원으로 진학했을 때(2017년)는 딥러닝을 다루는 연구실이 많지도 않았다.
그러다 딥러닝을 손에 잡은 건 석사 학위 논문 발표일에서 두 달도 안남은 시점이었다.
2. 석사 학위 논문 주제를 고민하다.
2018년 4월 30일, 과제 종료일 저녁에 석사 학위 논문을 준비하기 시작했다.
봄학기가 끝나기 직전인 6월 22일 안에는 석사 학위 논문 발표를 마쳐야 했기 때문에, 50일 안에 모든 걸 끝내야 했다.
하지만 졸업 주제도 없었고, 지난 1년 동안 과제를 위해 시제품을 만드느라 연구다운 연구를 하지 못했다.
4월까지 과제를 진행하면서 석사 학위 논문의 주제를 뭘로 할지 고민했다.
테라헤르츠파로 유명한 서울시립대 손주혁 교수님 연구실에 방문하기도 하고,
ETRI 테라헤르츠팀에 연락해서 그분들의 실험실을 둘러볼 수 있는 기회도 있었다.
문제는, 우리 연구실에 제대로된 장비가 없었기 때문에 직접 해볼수가 없었다는 점이다.
"석사 졸업을 제때 못할수도 있겠다"라는 생각이 들고 초조해지기 시작했다.
어떻게 할까 머리를 굴리던 와중에 "딥러닝을 써먹어봐야겠다."라는 생각이 떠올랐다.
3. 테라헤르츠파에 딥러닝을 적용하다.
테라헤르츠파는 X-ray와 비슷하게 물질을 투과할 수 있어서 투시 이미지를 얻을 수 있다.
그리고 투과하는 물질에 따라 검출되는 스펙트럼이 다르기 때문에 테라파를 이용해 물질을 검사하는 기술이 있었다.
여기서 딥러닝을 적용할 수 있겠다는 생각이 들었다.
딥러닝을 직접 구현해보진 않았지만, 딥러닝이 이미지 분류에 효과적이라는건 알고 있었다.
테라헤르츠파로 촬영한 이미지를 이용해 물체뿐만 아니라 물질까지 분류할 수 있겠다는 아이디어가 떠올랐다.
4. 석사 학위 논문 주제를 정하다.
1) 똑같아 보이는 물체도 구성 물질을 구분할 수 있다.
1-1) 똑같아 보이는 페트병도, PE 소재인지 PP소재인지 구분할 수 있다.
1-2) 똑같아 보이는 알약들을 치료용 약과 마약으로 구분할 수 있다.
2) 물체의 모양이 구성 물질을 파악하는데 도움을 준다.
2-1) 페트병처럼 생긴 물체는 고무 소재보다는 PE 또는 PP로 만들어졌을 가능성이 높다.
2-2) 상자처럼 생긴 물체는 천 소재보다는 플라스틱 또는 종이로 만들어졌을 가능성이 높다.
이런 생각을 바탕으로, 물체의 모양과 구성 물질을 분석할 수 있는 시스템을 만드는 것을 주제로 정했다.
5. 친구들에게 조언을 구하다.
딥러닝을 써야겠다는 생각은 했지만, 딥러닝을 직접 구현해본적은 없었다.
그 당시에 딥러닝 연구를 하는 친구들이 몇 명 있었는데, 그 친구들에게 아이디어를 얘기하며 가능성을 물어봤다.
친구들은 아이디어는 좋으나 시간이 너무 부족하다며 내용을 줄이라고 조언해줬고, 어떻게 공부를 시작할지 알려줬다.
6. 두 달간
우선 sung kim 교수님의 강의를 들으면서 딥러닝을 기초부터 배우기 시작했다.
친구들의 조언이 정말 소중했다.
진척이 없을 때마다 친구들에게 조언을 구했고, 도움이 많이 됐다.
loss function을 2개로 나누는 것, 3D CNN으로 z축 스캔 등 많은 조언들을 들었다.
발표 전날에 한 실험 결과가 제일 잘 나온다는 얘기를 들었는데, 나도 그랬다.
발표 전날에 한 실험이 결론을 뒷받침하는 중요한 근거로 쓰였고, 무사히 졸업했다!
7. 돌이켜보면
그때 딥러닝을 생각한 것이 신의 한 수였다.
석사 졸업을 위해서도 그렇고, 향후 진로에 있어서도 딥러닝을 시작한건 좋은 선택이었다.
'Deep Learning' 카테고리의 다른 글
딥러닝 시작하기 (0) | 2019.10.26 |
---|