딥러닝 Unet 모델을 이용한 토지피복 분류하기
이번글은 딥러닝 Unet 모델을 이용하고 센티넬 위성영상을 이용해서 토지피복을 분류하는 과정을 설명한다. 1. 데이터 준비 - 구글어스엔진을 이용해서 대상지역의 센티넬 위성영상과 기존에 제작된 토지피복지도를 다운받는다. 2. 데이터 폴더 준비하기 - 센티넬 위성영상은 images 폴더에 두고 기존 토지피복지도는 masks폴더에 둔다 3. 가상환경을 실행하고 쥬피터 노트북을 실행한다. 4. 딥러닝 유넷을 이용하여 토지피복분류를 하기 위해서 필요한 패키지를 불러온다. - 가상환경은 geo38 환경에서 진행한다. 5. 패키지의 버전을 확인한다. 6. 딥러닝 유넷 모델을 학습시킬 데이터를 생성한다. 1) 데이터 경로를 지정한다. 2) 센티넬 위성영상자료를 읽어와 np array 형태의 자료로 만든다. 이때 원본..
yolo v8 모델을 이용해서 야생동물 식별 탐지하기 - (3) 심화 예측
이번 글은 이전 글에서 설명한 기본적인 예측( 2023.04.20 - [머신러닝 & 딥러닝] - yolo v8 모델을 이용해서 야생동물 식별탐지하기 - (2) 기본 예측 )에서 좀 더 사용자가 수정 가능한 형태로 yolo v8 버전을 이용해서 야생동물 탐지를 위해 학습데이터를 훈련하고 나온 최적의 탐지모델을 이용해서 야생동물 이미지와 동영상을 예측하는 파이썬 코드와 그 결과로 생성되는 데이터 내용을 설명하고자 한다. 가상환경을 활성화하고 코딩 에디터인 VS code를 다음같이 실행한다. YOLO v8 버전에서 나온 결과를 사용자가 조정해서 원하는 방식으로 사용하기 위해서 이 글에서는 YOLO v8 버전을 실행한 결과를 설명하고자 한다. 다음 구문에서 예측하는 구문에서 results를 출력한 결과물 데이터..
yolo v8 모델을 이용해서 야생동물 식별탐지하기 - (2) 기본 예측
yolo v8 버전을 이용해서 이미지와 동영상을 예측하는 기본으로 사용되는 파이썬 코드를 설명하고자 한다. yolo v8 버전은 다음 그림처럼 분류, 물체탐지, 물체 상세분할 등 3가지 유형의 작업을 수행할 수 있다. 실제로 이미지를 예측하기 위해서 가상환경을 활성화하고 내가 자주 쓰는 코딩 에디터인 VS code를 다음 같이 실행한다. 1. 이미지 예측 다음 파이썬 스크립트가 이미지를 예측한 기본 구조이다. 여기서는 버스이미지를 yolo v8 버전에서 기본적으로 제공하는 yolo8n.pt모델을 이용해서 예측하는 경우이다. save=True 옵션이 예측한 결과를 저장하는 기능을 하고 이 옵션이 없으면 결과를 확인할 수 없다. from ultralytics import YOLO # 버스 이미지 img_pa..
yolo v8 모델을 이용해서 야생동물 식별탐지하기 - (1) 설치편
물체 분류, 탐지, 분할 등 다양한 문제를 해결하기 위해딥러닝 기술에서 yolo v8 버전을 이용하는 과정을 시리즈로 설명하고자 한다.특히 야생동물 7종을 식별 탐지하는 것을 이 글들을 목표로 한다. 무엇을 하든 도구가 있어야 하니까 이번 글은 YOLO v8버전을 설치하는 것 부터 시작하자. 그러기 위해서는자신의 컴퓨터에 아나콘다가 설치되어 있어야 하고 가상환경을 설정해야 하는데이 두가지는 이전에 설명한 다음 글을 참고하기 바란다.1. 아나콘다 설치 [실습-01] 파이썬을 이용해서 머신러닝과 딥러닝을 시작하기 위한 아나콘다 설치파이썬으로 머신러닝 및 딥러닝을 처음 코딩을 하고자 할때 어떤 프로그램을 사용해야 하는지에 대해 막막함이 있을 것으로 생각이 된다. 나 또한 그런 시절이 있었다. 물론 코딩문..
아나콘다 가상환경 복사하고 붙여넣기, 그리고 삭제하기
1. 가상환경 저장하기 가상환경 이름이 myconda라면 가상환경을 활성화하고 yaml파일로 export 하면 된다. conda activate myconda conda env export > myconda.yaml 아래의 예시는 가상환경 목록을 확인하고 geo38가상환경을 활성화 한 다음 최종적으로 yaml파일로 저장하는 경우이다. 2. 가상환경 복사하기 yaml파일로 저장된 가상환경을 다른 컴퓨터에 이식하는 방법은 다음과 같다. conda env create -f myconda.yaml conda activate myconda 내 컴퓨터에 가상환경 이름만 달리하고 복사하는 경우는 다음과 같다. conda create -n myconda_copy --clone myconda 3. 가상환경 삭제하기 co..
위성영상을 이용한 딥러닝 활용 - 2) 샘플데이터 와 필요패키지 설치
이전 개발환경을 마친후( 2023.04.14 - [머신러닝 & 딥러닝] - 위성영상을 이용한 딥러닝 활용 - 1) 환경설정 ) 위성영을 이용하여 딥러닝을 활용하기 위해서 필요한 샘플데이터는 git 소프트웨어를 이용해서 다음처럼 다운 받는다. 다운로드한 샘플데이터 폴더 구조는 다음과 같다. 위성영상자료를 이용하여 딥러닝을 수행하기 위해 필수적인 패키지인 matplotlib, gdal, rasterio를 설치하고 확인한다. 3개의 패키지가 설치완료 되면 다음 처럼 각각의 패키지의 버전을 확인할 수 있다.