📲PROJECT
[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'..
[Projects] 1-1. 시바견과 진돗개를 분류해보자!
시바견과 진돗개를 분류해보자!+사람도 가끔 헷갈리는모듈 로드In [23]: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 데이터 로드In [24]:X_dog = list() for fileName in os.listdir('./shiba'): if fileName.startswith('google'): X_dog.append(fileName) In [25]:len(X_dog) Out[25]:232In [26]:for fileName in os.listdir('./진돗..
[논문읽기] 02-1. ResNet with Tensorflow
ResNet_implementationTensorflow를 이용해서 ReNet을 구현해 볼 것이다.출처 : https://blog.naver.com/et2035/221371125386In [163]:import tensorflow as tf tf.logging.set_verbosity(tf.logging.ERROR) # warning 출력 방지 from keras.applications.resnet50 import ResNet50, decode_predictions resnet = ResNet50() 다음은 ResNet50의 구조이다.In [96]:resnet.summary() _______________________________________________________________________..
![[논문읽기] 02. Deep Residual Learning for Image Recognition : ResNet](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Ft1.daumcdn.net%2Fcfile%2Ftistory%2F9907E0375CB8A11F0F)
[논문읽기] 02. Deep Residual Learning for Image Recognition : ResNet
“Residual(잔차)의 반란”0. AbstractResNet은 Deep neural networks 일수록 더 학습하기 어렵다는 문제를 인식하고 이를 해결하기위해 만들어졌다. 그래서 이전의 학습 방법들과 달리 residual(잔차)을 학습하는 방법으로 더 깊은 networks를 이전보다 더 쉽게 학습시키도록 만들었다.residual networks는 더 optimize하기 쉽고, 더 깊은 모델로 부터 쉽게 accuracy를 얻을 수 있다는 것을 증명해냈다.VGG nets 보다 8배 깊은 152개의 layers를 가진 residual nets로 ImageNet을 학습하고 평가하여 3.57%라는 매우 작은 error를 보이며 ILSVRC 2015의 왕좌에 올랐다.이외에도, CIFAR-10, COCO의 d..
[논문읽기] 01-1. GAN with Tensorflow
GAN with MNIST https://github.com/golbin/TensorFlow-Tutorials/blob/master/09%20-%20GAN/02%20-%20GAN2.py위의 Tutorials를 통해 GAN을 구현해볼 것이다. In [45]:# 필요한 모듈 먼저 불러오기 import tensorflow as tf import matplotlib.pyplot as plt import numpy as np tf.reset_default_graph() 데이터 불러오기In [46]:from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("./mnist/data",one_hot=True) ..