📌 Intro Object Detection(객체 인식) 분야에서 널리 사용되고 있는 YOLO에 대해 알아보도록 하겠다. 📌 Object Detection? Object Detection, 객체 검출이란 이미지나 움직이는 영상에서 미리 정의한 객체를 찾아내는 것을 말한다. 단순히 고양이 이미지을 보고 고양이라고 분류하는 것과는 완전히 다른 영역의 문제인 것이다. 각각에 대해 정리하면 다음과 같다. Classification : 여러 물체에 대해 어떤 물체인지 클래스를 분류하는 문제 Localization : 물체가 어디 있는지 박스를 통해 위치 정보를 나타내는 문제 Object Detection : Classification과 Localization을 동시에 진행하는 것 위 그림에서 Classificat..
📌 Intro MNIST 데이터 셋에 이어 FER2013데이터 셋을 이용하여 표정을 통해 감정인식 분류기를 만들어보자. 📌 Dataset FER2013 Overview Label은 7개로 0=Angry, 1=Disgust, 2=Fear, 3=Happy, 4=Sad, 5=Surprise, 6=Neutral로 매핑되어 있다. Image는 FER2013 이미지이고 48 x 48 x 1의 Shape을 가지고 있다. MNIST를 사용할 때는 keras에 내장되어 있는 데이터 셋을 로드해서 사용했었지만, FER2013 데이터 셋은 keras에 내장되어 있지 않기 때문에 .csv파일을 다운받아 사용해야 한다. Details https://www.kaggle.com/competitions/challenges-in-re..
📌 Intro MNIST 데이터 셋을 이용하여 ANN(DNN) 모델을 구성, 학습, 정확도 측정까지 진행해보았다. 이번에는 모델의 layer를 더 깊게 만들어보고 정확도를 비교해보도록 하자. 또 CNN모델을 만들어 학습, 정확도를 측정하여 ANN모델과의 정확도를 비교해보도록 하자. MNIST를 사용하는 방법과 CNN에 대한 내용은 이전에 정리해두었기 때문에 바로 코드를 보며 간단한 주석과 함께 내용을 정리할 것이다. 📌 DNN 코드 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt # 1. MNIST 데이터 셋 import mnist = tf.keras.datasets.mnist (x_train, y_train), (x_..
📌 Intro 이전에는 MNIST 데이터 셋을 이용하여 기본적은 ANN(DNN)모델을 구성해보고 학습 및 추론까지 진행해봤다. 다음에는 CNN으로 모델을 구성하고 진행을 하려고 했는데 그 전에 CNN에 대한 내용을 정리하고 시작하면 좋을 것 같아서 글을 작성하게 되었다. 📌 CNN? CNN은 Convolutional Neural Network의 줄임말이며 보통 CNN으로 쓰인다. 이는 인간의 시신경을 모방하여 만든 딥러닝 구조 중 하나이며, 특히 이미지 분류에서 좋은 성능을 보이는 것으로 알려져 있다. CNN은 위의 그림처럼 크게 두 부분으로 나눌 수 있는데 하나는 이미지의 특징을 추출하는 것이고(Feature Learning) 또 다른 하나는 추출한 특징을 이용하여 클래스를 분류(Classificati..
📌Intro AI나 머신러닝 혹은 딥러닝에 대해 공부를 하고있는 사람이라면 거의 대부분이 시작을 MNIST로 했을 것이라 생각하고 나 역시 그렇다. 이쪽 분야의 지식이 풍부한 것은 아니지만 공부한 내용을 정리하며 이해를 높이려한다. 모델을 만들고, MNIST 데이터를 이용하여 손글씨 분류기 모델의 학습과 추론과정에 대해 알아보도록 하자. 📌MNIST Data? 먼저 MNIST 데이터에 대해 설명이 필요할 것 같다. MNIST 데이터는 여러명의 사람들이 손으로 쓴 숫자들로 이루어진 데이터베이스다. 이미지의 크기는 28X28X1이며 아래와 같이 60,000개의 트레이닝 이미지와 10,000개의 테스트 이미지로 구성되어 있다. 각 데이터 셋은 이미지와 라벨이 매핑되어 있는 형태인데, 여기서 이미지는 손글씨 사..
