오프라인 환경에서 python 패키지 일괄 다운로드 및 설치
1. 오프라인 환경에서 python 패키지 일괄 다운로드 및 설치 파이썬은 다양한 기능을 가지고 있고 사용하기 쉬우면서 무료라는 장점이 있지만, 인터넷이 안되는 오프라인 환경이라면 파이썬 패키지를 바로바로 설치하여 사용하기가 쉽지 않다는 단점이 있다. 그래서 이글은 온라인이 아닌 오프라인 환경에서 설치하고자 하는 파이션 패키지와 의존된 패키지를 한번에 다운받아 설치하는 방법을 설명한다. 예를 들어 segmentation_models라는 패키지와 이와 의존되는 패키지를 다운받고자 할때 다음 명령어 구문을 입력하면 된다. 여기서 -d 옵션은 다운받을 폴더를 지정할 수 있는데 ./ 로 현재 폴더로 지정하고 다운받을 패키지이름은 segmentation_models이라고 알려준다. pip download -d ...
우리나라 Landsat 위성 이동경로 - WRS(Worldwide Reference System) 2
1. 우리나라 Landsat 위성 이동경로 Landsat 위성영상자료를 이용하기 위해서는 분석하고 싶은 지역에 해당하는 위성영상 자료를 다운받아 사용할 수 있어야 한다. 이때 널리 활용되는 GIS자료는 Worldwide Reference System이고 이는 Landsat 위성이 지구를 지나는 경로를 나타내며 다음 사이트에서 GIS 파일형태로 제작하여 배포하고 있다. Landsat 위성이 지구를 지나가는 경로는 path번호와 row번호로 확인할 수 있다. path번호는 지구의 남북방향으로 landsat 위성이 지나가는 경로을 나타고 row번호는 동서방향을 나타낸다. https://www.usgs.gov/media/files/landsat-wrs-2-descending-path-row-shapefile L..
[실습-03] 위성영상자료를 이용한 토지피복 지도 만들기(1) - QGIS : Semi-Automatic Classification 플러그인 설치하기
위성영상자료를 이용하는 가장 큰 이유는 산, 바다, 들, 농경지 등 지표면에 분포한 대상물체를 분류하고 분석하는데 필수적인 토지피복 분류 지도를 제작하는 것이다. 토지피복 분류는 토지피복과 토지이용을 평가하기 위한 중요한 첫 단계이다. 이 글은 토지 피복 분류를 위한 위성영상자료를 사용하는 것에 중점을 두고, Landsat 위성영상자료를 획득하고 [2022.07.20 - [Remote Sensing] - [실습-01] Landsat 8 이미지 다운로드], 이를 오픈 소스 QGIS 프로그램을 이용하여 토지피복 분류지도를 제작하는 과정을 설명합니다. 이 글에서는 토지피복분류는 semi-automatic classification인 반자동 분류 플러그인을 사용하여 토지 피복 분류를 수행합니다. 플러그인은 QG..
장병내일준비적금
1. 장병내일준비적금’이란? 병역의무 이행자가 복무기간 중 급여 적립, 목돈 마련을 통해 전역 후 성공적인 사회 진출을 할 수 있도록 은행과 업무협약을 통해 높은 금리를 제공하는 대표 정책 금융 상품 [가입대상] 대한민국 병역의무 이행자 * 현역병, 상근예비역, 사회복무요원, 전환복무자(의무경찰, 의무해양경찰, 의무소방), 대채복무요원 [가입절차] 가입대상에 해당하는 자가 국방부·병무청 등에서 가입자격 확인서를 발급받아 신병교육기관 및 은행에서 가입 [가입방법] 장병내일준비적금을 취급하는 시중 14개 은행에서 신청 [가입기간] 납입한도 - 은행별 월 20만원, 개인별 최대 월 40만원 이내 가입기간 - 최소 6개월 ~ 최대 24개월(의무복무 기간 내로 제한) 이자지급방식 - 만기일시지급식 [가입혜택] 6..
이번 글은 딥러닝을 실행할 때 오차나 정확도가 어떻게 얼마나 감소하고 증가하는지를 시각적인 그래프로 확인하기 위한 방법을 설명한다. 이는 딥러닝 모델을 수행할 tensorboard callback 함수를 사용하는 것이다. 그럼 기본적인 딥러닝모델을 이용해서 설명한다. 1. 딥러닝 패키지 불러오기 import tensorflow as tf import datetime 2. 토이 데이터인 mnist 패션이미지 데이터 불러오기 mnist = tf.keras.datasets.mnist 3. 학습데이터와 검증데이터로 분리하고 학습데이터와 평가 데이터를 표준화하기 (x_train, y_train),(x_test, y_test) = mnist.load_data() x_train, x_test = x_train / 2..
이미지 증강과 데이터 전처리(스케일링, 원핫인코딩) 동시에 하기
이 글은 다음 그림처럼 이미지와 마스크 레이블 개수가 적을때 이미지 자료를 증식하면서 이미지 값을 표준화하거나 레이블 값을 원핫인코딩을 하는 방법을 설명한다. 우선 이미지 증식과 스케일링, 원핫인코등 등과 같은 자료 전처리와 관련된 python 패키지 불러오기 import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import random %matplotlib inline import cv2 from tensorflow.keras.preprocessing.image import ImageDataGenerator from sklearn.preprocessing import MinMaxScaler from tensorf..