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..
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 ..