📲PROJECT/MY_Projects
[Projects] 3. 차량 번호판 인식 및 모자이크 처리
github 참조 : https://github.com/ChaminLee/2019.10.28-Extracting-Car-Numbers-with-OpenCV 차량 번호판 인식기 만들기시작하기 전 구상한 프로세스는 다음과 같다.이미지 불러오기(grayscale로 변환)전처리 (Gaussian blur로 edge 강조하기, threshold(adaptive), morphology, canny)원하는 영역 찾아내기(contour)이미지 평면화 (affine transform, warp) *필요시pytesseract 라이브러리 이용결과값 = (차 번호, 용도, 차종) 출력결과값 출력이후, 번호판 모자이크 처리위 과정을 생각하고 프로젝트를 진행했다.cv2.Canny의 경우에는 사용하지 않..
[Projects] 2. MNIST 이미지로 그림 그리기!
https://github.com/ChaminLee/2019.11.04_Image_Mosaic In [2]:import cv2 import os import numpy as np import matplotlib.pyplot as plt from collections import defaultdict In [3]:img = cv2.imread('./shiba2.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # fx, fy가 작을 수록 픽셀이 더 크게 나뉨 imgray = cv2.resize(imgray,None,fx=0.15,fy=0.15) print(imgray.shape) plt.figure(figsize=(20,20)) plt.imshow(imgray,'..
![[Fun Projects] 3. 술자리 게임! 뚜껑 숫자 맞추기 게임! UP Down!](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F994642435D30913531)
[Fun Projects] 3. 술자리 게임! 뚜껑 숫자 맞추기 게임! UP Down!
02.Making_Up_Down_Game술게임에 빠질 수 없는 업다운게임....!소주 병뚜껑처럼 1~50까지의 숫자를 말하면 Up 또는 Down으로 알려주고5번안에 맞추지 못하면 Game Over가 되도록 고고고In [1]:import random In [27]:num = random.randrange(1,50,1) print("소주 뚜껑에 적혀있는 숫자를 맞춰라~!") print("----*********---") print("---*---------*---") print("--*----?-?----*--") print("--*-----------*--") print("---*---------*---") print("----*********---") n_count = 0 while(n_count 50 ..
[Fun Projects] 2. 추억의 야구게임 만들기
01_Making_Baseball_gameIn [4]:import random In [161]:print("야구게임에 참가하신걸 환영합니다!") print("------------------") numlist = list([1,2,3,4,5,6,7,8,9]) cnum = random.sample(numlist,3) correct = list() for i in range(3): correct += str(cnum[i]) print("맞춰야 할 숫자는 {0},{1},{2}입니다".format('?','?','?')) n_count = 0 n_strike = 0 n_ball = 0 print("!!..야구게임을 시작합니다..!!") print("----------------") while(n_strike
[Projects] 1-3. 시바견과 진돗개를 구분해보자!
시바견과 진돗개 구분하기 3Pretrained Inception-v3 을 이용해 볼 것이다.https://sefiks.com/2017/12/10/transfer-learning-in-keras-using-inception-v3/m그 전에 데이터를 다시 정제했기에, 기존 네트워크로 한 번 실행해볼 것이다.Stanford의 dog breed classification 처럼 class당 데이터의 갯수를 줄여보았다.어느 네트워크를 적용하나 데이터에 문제가 있다고 판단하여 2탄에서 pretrained를 적용하고 여기서 마무리 할 것이다.시바견과 비글다른 견종을 넣었을 때는 성능이 더 높아질 것 같아서 넣어보았다. 실제 육안으로도 쉽게 구별 가능한 비글과 시바견을 분류 대상으로 정했다.필요한 모듈먼저 부르기In [..
[Projects] 1-2. 시바견과 진돗개를 구분해보자!
시바견과 진돗개 구분하기 2Augmentation을 통해 training data를 늘렸다. 총 데이터는 기존 400여장에서 1900장으로 증대시켰다. 바로 시작해보자!필요한 모듈먼저 부르기In [357]:import cv2 import matplotlib.pyplot as plt import tensorflow as tf import numpy as np import os import tqdm import random from sklearn.datasets import load_files 다시 데이터 불러오기In [358]:X_dog = list() # 네이버사진은 이상해서.. for fileName in os.listdir('./shiba'): if fileName.startswith('google'..