WEEK5 : end to end DL

 

전통적인 pipeline VS DL

 

전통적인 pipeline에서는

오디오에서 feature 추출, 음소 추출, 단어 추출, transcript 완성 이런 식의 절차를 거치는 반면,

 

deep learning에서는 오디오를 넣으면 transcript가 나오도록 학습을 진행한다.

 

 

전통적인 pipeline의 성능이 좋은 경우

• 분할된 문제가 쉬운 경우
• 각 step마다 학습할 수 있는 데이터가 많은 경우

 

딥러닝의 성능이 좋은 경우

• 데이터가 엄청 엄청 많은 경우 (X->Y 복잡한 관계를 학습할 수 있을만큼의 데이터)

 

end-to-end의 장점과 단점

• 장점
  • X->Y 관계를 데이터를 통해 학습이 가능하다
  • 직접 handling 해야하는 노력이 덜 필요하다.
• 단점
  • 엄청 많은 양의 데이터가 필요하다.
    • 자율주행의 경우 신경써야 하는 것이 매우 많아 함수가 복잡하다.
    • 데이터가 엄청 많이 필요하기 때문에 아직 이것을 딥러닝으로 학습하기에는 부족하다고 하다.
  • hand-designed component 특징이 배제된다.