728x90 반응형 SMALL Visual Intelligence/Image Deep Learning27 [시각 지능] Image Data Augmentation Image Data Augmentation 원본 이미지에 적절한 변형을 가해서 새로운 데이터를 만들어 내는 방식으로, 다양한 데 이터를 통해 딥러닝 성능향상 기대할 수 있다. TensorFlow는 이미지 데이터 보강을 위한 ImageDataGenerator class를 제공한다. ImageDataGenerator에서는 입력 파라미터를 통해서 rescale, rotation_range, width_shift_range, height_shift_range, shear_range, horizontal_flip, vertical_filp 등의 다양한 변화를 줄 수 있다. ImageDataGenerator를 사용할 경우 flow(), flow_from_directory() 등의 함수를 통해 이미 지 데이터를 보강.. 2022. 8. 20. [시각 지능] 사전 학습 모델 (Pre-Trained Model) 사전 학습 모델 (Pre-Trained Model) 사전 학습 모델이란 기존에 자비어 (Xavier) 등 임의의 값으로 초기화하던 모델의 가중치들을 다른 문제 (task)에 학습시킨 가중치들로 초기화하는 방법이다. from tensorflow.keras.applications import VGG16, ResNet50, MobileNet, InceptionV3 mobilenet_model = MobileNet(weights = 'imagenet', include_top = True, input_shape = (224, 224, 3)) mobilenet_model.summary() Model: "mobilenet_1.00_224" ___________________________________________.. 2022. 8. 20. [시각 지능] 전이 학습 (Transfer Learning) 전이 학습 (Transfer Learning) CNN 기반의 딥러닝 모델을 훈련시키려면 많은 양의 데이터가 필요하지만 큰 데이터셋을 얻 는 것은 쉽지 않다. 이러한 현실적인 어려움을 해결한 것이 전이 학습인데, 전이 학습은 ImageNet처럼 아주 큰 데이터셋을 써서 사전 학습 모델 (pre-trained model)의 가중치를 가져와 분석하려는 데이터에 맞게 보정해서 사용하는 것을 의미한다. 특징 추출기 (feature extractor)는 컨볼루션 층과 풀링 층의 조합으로 구성되어 있으며 ImageNet 데이터에 대해 이미 학습되어 있다. 분류기 (classifier)는 완전 연결 층 (Dense) 조합으로 구성되며 이미지에 대한 정답을 분류하는 역할을 한다. Cats and Dogs 고양이와 개 이.. 2022. 8. 14. [시각 지능] Surface Crack Detection Surface Crack Detection Surface Crack Detection은 콘크리트 표면 결함 (concrete surface crack)을 발견하고 예측하기 위한 Kaggle의 공개 데이터이다. 평균적으로 227 x 227 크기를 가지는 color 이미지이며, crack 없는 Negative 데이터 2만개와 crack 발생한 Positive 데이터 2만개, 총 4만 개의 이미지 데이터로 구성되어 있다. 코랩에서 하고자 할 때 zip 파일을 구글 드라이브에 저장하고 마운트한다. import os import tensorflow as tf import tensorflow as tf from tensorflow.keras.layers import Dropout, Dense, Conv2D, Glo.. 2022. 8. 14. [시각 지능] GTSRB GTSRB (German Traffic Sign Recognition Benchmark) GTSRB (German Traffic Sign Recognition Benchmark)는 독일 신경정보학 연구원들이 작성한 것이다. 이것은 교통 표지판 (Traffic Sign)을 예측하기 위한 데이터이며, 평균적으로 32 x 32 크기의 작은 color 이미지와 43개 교통 표지판과 관련된 4만여 개의 이미지를 포함한다. import tensorflow as tf from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Dropout, Input from tensorflow.keras.layers .. 2022. 8. 13. [시각 지능] Google Photos Prototype Google Photos Google 포토에서는 모든 사진과 동영상을 자동으로 정리하고 간편하게 공유할 수 있다. 구글 드라이브를 통해 자동으로 업로드되는 사진과 동영상을 구글 포토의 설정 (화질)을 통해 제어할 수 있다. 또한 특정 폴더 또는 드라이브를 선택할 수 있다. Google Photos 프로토타입 구현 import numpy as np import tensorflow as tf from tensorflow.keras.datasets import cifar10 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D, MaxPool2D from tensorflow.keras.layers imp.. 2022. 8. 13. [시각 지능] 사전 학습된 CIFAR-10 모델로 이미지 예측 사전 학습된 CIFAR-10 모델로 이미지 예측 import numpy as np import tensorflow as tf from tensorflow.keras.datasets import cifar10 from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D, MaxPool2D from tensorflow.keras.layers import Flatten, Dense, Dropout import matplotlib.pyplot as plt # 사전학습 모델 로드 try: cnn = tf.keras.models.load_model('./cifar10_accuracy_80.h5') print('pre.. 2022. 8. 13. [시각 지능] CIFAR-10 CIFAR-10 CIFAR -10 데이터 세트 (Canadian Institute For Advanced Research)는 기계 학습 및 컴퓨터 비전 알고리즘을 훈련하는 데 일반적으로 사용되는 이미지 모음이다. 머신러닝 연구에 가장 널리 사용되는 데이터 세트 중 하나이다. CIFAR-10 데이터 세트에는 10개의 다른 클래스에 60,000개의 32x32 컬러 이미지가 포함되어 있다. 10개의 다른 클래스는 비행기, 자동차, 새, 고양이, 사슴, 개, 개구리, 말, 배 및 트럭을 나타낸다. 각 클래스에는 6,000개의 이미지가 있다. import os import numpy as np import matplotlib.pyplot as plt import tensorflow as tf from tensor.. 2022. 8. 7. [시각 지능] CNN 특징맵 ∙ 풀링맵 시각화 CNN 특징맵 ∙ 풀링맵 시각화 각 채널마다 어떻게 작동해서 특징맵이나 풀링맵이 생기는지 시각화한다. import tensorflow as tf from tensorflow.keras.layers import Flatten, Dense, Conv2D, MaxPooling2D, Dropout, Input from tensorflow.keras.models import Sequential, Model from tensorflow.keras.optimizers import Adam from tensorflow.keras.datasets import mnist import numpy as np from datetime import datetime import matplotlib.pyplot as plt (x_t.. 2022. 8. 7. [시각 지능] false prediction false prediction import tensorflow as tf from tensorflow.keras.layers import Flatten, Dense, Conv2D, MaxPool2D from tensorflow.keras.models import Sequential from tensorflow.keras.optimizers import Adam from tensorflow.keras.datasets import mnist import numpy as np from datetime import datetime import matplotlib.pyplot as plt (x_train, t_train), (x_test, t_test) = mnist.load_data() x_train = x_t.. 2022. 8. 6. 이전 1 2 3 다음 728x90 반응형 LIST
