본문 바로가기
728x90
반응형
SMALL

오토인코더5

[Generative Model] 오토인코더 (MNIST) 데이터 로드 from keras.datasets import mnist import numpy as np (x_train, _), (x_test, _) = mnist.load_data() x_train = x_train.astype('float32') / 255. x_test = x_test.astype('float32') / 255. x_train = np.reshape(x_train, (len(x_train), 28, 28, 1)) x_test = np.reshape(x_test, (len(x_test), 28, 28, 1)) 모델 생성 from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D from keras.models .. 2022. 12. 8.
[Generative Model] 오토인코더 (AutoEncoder) 오토인코더 (AutoEncoder) Autoencoding은 데이터 압축 알고리즘으로 압축 함수 (Encoding)와 압축 해제 함수 (Decoding)는 다음 과 같은 세 가지 특징을 갖는다. Autoencoder는 데이터에 민감하다. Autoencoder는 이제껏 훈련된 데이터와 비슷한 데이터로만 압축될 수 있다. 예를 들면, autoencoder는 MPEG-2 Audio Ⅲ (MP3) 압축 알고리즘과는 다르다. MP3 알고리즘은 일반적으로 소리에 관한 압축이지만 특정한 종류의 소리에 관한 것은 아니다. 얼굴 사진에 대해 학습된 autoencoder는 나무의 사진을 압축하는 데에는 좋은 성능을 내지 못하는데 그 이유는 autoencoder가 배우는 특징은 얼굴 특유의 것이기 때문이다. Autoenco.. 2022. 12. 8.
[Generative Model] 서로 다른 이미지 오토인코더 라이브러리 from matplotlib.pyplot import imshow import numpy as np import cv2 from tensorflow.keras.utils import img_to_array from tensorflow.keras.layers import Conv2D, MaxPooling2D, UpSampling2D from tensorflow.keras.models import Sequential SIZE=256 # Limiting to 256 size image as my laptop cannot handle larger images. img_data = [] img = cv2.imread('einstein.jpg', 1) # Change 1 to 0 for Grey scal.. 2022. 11. 25.
[Generative Model] 단일 이미지 오토인코더 라이브러리 from matplotlib.pyplot import imshow import numpy as np import cv2 from tensorflow.keras.utils import img_to_array from tensorflow.keras.layers import Conv2D, MaxPooling2D, UpSampling2D from tensorflow.keras.models import Sequential np.random.seed(42) SIZE = 256 img_data = [] img = cv2.imread('monalisa.jpg', 1) # Change 1 to 0 for grey images img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 이미.. 2022. 11. 25.
[Machine Learning] 오토인코더 (Autoencoder) 오토인코더 (Autoencoder) 오토인코더는 인코더를 통해 입력을 신호로 변환한 다음 다시 디코더를 통해 레이블 따위를 만들어내는 비지도 학습기법이다. 다시 말해, 오토인코더는 고차원의 정보를 압축해 주는 인코더와 압축된 정보를 다시 원래 정보로 돌려주는 디코더로 이루어져 있다. 원본 데이터에서 인코더를 거쳐 압축된 정보로 변환한 뒤, 다시 디코더를 거쳐 원본 데이터로 복구하는 작업을 한다. 오토인코더 모델은 인코더 - 디코더의 결합된 형태로 만들어진다. 나중에 디코더만 따로 분리하여 압축된 정보를 입력으로 주게 되면, 알아서 원본 이미지와 유사한 마치 Fake 이미지를 만들어 주도록 유도할 수도 있다. 오토인코더의 손실은 MNIST의 28 X 28 이미지 각각의 pixel 값에 대하여 원본과 디코딩.. 2022. 11. 11.
728x90
반응형
LIST

티스토리툴바