딥러닝 모델 개발 관련 패키지 불러오기 import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import random %matplotlib inline from tensorflow.keras.utils import to_categorical from sklearn.model_selection import train_test_split from tensorflow.keras.datasets import fashion_mnist from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, Dense, Flatten 1. 데이터 ..
[실습-4] 다중 클래스 이미지 딥러닝 예측 모델 기본 구조
이번 글은 다양한 이미지를 폴더별로 저장되었을때 사용할 수 있는 기본적인 딥러닝 예측모델을 설명한다. 예를 들어 다음과 같이 감자 잎 마름병과 관련된 이미지를 폴더 3개로 클래스가 구분되었을 때 사용할 수 있는 아주 기초적인 딥러닝 모델을 설명한다. 1. 기본 딥러닝 모델에 필요한 패키지를 불러온다. import os import numpy as np import pandas as pd import matplotlib.pyplot as plt import cv2 import tensorflow as tf from tensorflow.keras import layers, models 2. 폴더 경로를 지정하고 기본폴더내 있는 서브 폴더를 확인한다. base_dir = "data/potato_disease/..
이번 글은 파이썬을 이용해서 이미지를 다루는 opencv-python 패키지를 간략하게 설명하고자 합니다. 우선 아나콘다 가상환경(opencv4)을 생성하기 위해서 다음과 같은 구문을 실행하고 활성화 한다 $ conda create -n opencv4 python=3.7 $ conda activate opencv4 다음으로 이미지 처리 패키지인 opencv-python를 설치한다. pip install opencv-python# opencv 최신 패키지 설치 1) 이미지 읽어오기 설치된 python-opencv 패키지를 cv2로 불러온다. import cv2 이미지를 읽어오기 위해서는 cv2의 imread함수를 이용하는데 이미지를 칼러 형태로 불러오기 위해서는 flag 옵션을 1이나 IMREAD_COLO..
다중 클래스 이미지 분류 — Keras 및 TensorFlow 실습
디지털 이미지를 기반으로 객체를 인식하거나 분류할 수 있는 이미지 분류 또는 컴퓨터 비전 시스템을 설계하는 작업인 인공 지능의 한 분야입니다. 응용 프로그램의 폭이 매우 넓기 때문에 인기 있는 분야입니다. 이미지 분류는 사진에서 특정 꽃을 인식하거나 의료 이미지를 정상 또는 질병으로 분류하는 것 등 다양한 문제에 사용할 수 있습니다. 이 글에서는 데이터 세트의 이미지를 분류하기 위해 컨볼루션 신경망을 만드는 데 Keras를 사용하는 방법에 대해 설명합니다. 이 글에서는 Keras에서 무료로 사용할 수 있는 사전 훈련된 모델 중 일부를 테스트하고 건물, 숲, 빙하, 산, 바다, 거리의 6가지 카테고리에 이미지를 이용해서 모델을 평가한다. 가장 먼저 해야 할 일은 Python 라이브러리에서 필요한 패키지를 ..
이미지데이터 학습을 쉽게하도록 하기위해 다양한 패키지를 제공한다. 그 중 하나가 ImageDataGenerator 클래스이다. ImageDataGenerator 클래스를 통해 객체를 생성할 때 파라미터를 전달해주는 것을 통해 데이터의 전처리를 쉽게할 수 있고, 또 이 객체의 flow_from_directory 메소드를 활용하면 폴더 형태로된 데이터 구조를 바로 가져와서 사용할 수 있다. 이 과정은 매우 직관적이고 코드도 ImageDataGenerator를 사용하지 않는 방법에 비해 상당히 짧아진다. 환경은 keras tensorflow backend를 이용하였다. 3. ImageDataGenerator를 통한 트레이닝, 테스트 데이터 만들기 ImageDataGenerator를 만들 때 아래와 같이 res..
cnn 모델을 이용한 꽃 종류를 예측하기
이번 글은 cnn 딥러닝 기법을 이용하여 다양한 꽃을 분류하는 과정을 설명한다. 제일 먼저 해야할 작업은 다양한 꽃의 사진을 수집하고 분류하여 폴더에 저장한다. 이는 구글에서 이미지를 수집하고 꽃의 종류별 폴더를 생성하고 저장한다. 분류하고자 꽃의 종류는 4종으로 한다. 장미, 튜립, 해바라기, 코스모스가 4종에 해당한다. 이를 위해서 구글에서 이미지를 검색하여 다운받는다. 4종에 대해서 다음 그림처럼 폴더별로 저장한다. 이제 폴더별 저장된 수집된 이미지를 image generator 함수를 이용해서 cnn에서 이용할 수 있는 형태로 입력데이터를 다음 구문을 입력하여 생성한다. base_dir="C:/python_work/data/flower/" IMAGE_SIZE=224 BATCH_SIZE=64 #pr..