모딩의 코딩블로그

왜 다른거 안쓰고 Densenet121을 썼나요? 피쳐 맵이 그대로 보존되고, 적은 수의 파라미터를 요구한다는 장점이 있다고 생각하여 DenseNet을 사용했다. 어떻게 레이어를 수정했나요? pretrain된 densenet121 model에 추가로 6개의 레이어를 넣었다. # keras pretrain densenet121 model def create_model(weights): inp = Input((224, 224, 3)) backbone = DenseNet121(input_tensor=inp, weights= weights, include_top=False) x = backbone.output # fc layer x = GlobalAveragePooling2D()(x) x = Dense(1024..

https://github.com/jinnyjinny/DogFaceClassification/blob/master/landmark.ipynb jinnyjinny/DogFaceClassification feature - face landmark/ color pixel/ breed. Contribute to jinnyjinny/DogFaceClassification development by creating an account on GitHub. github.com 모든 강아지 이미지가 담긴 폴더에 대한 좌표값을 생성하고자 코드를 짰으나, 차후에 새로운 강아지의 좌표값을 데이터베이스에 업로드 할 것을 생각하고 개별 폴더마다 데이터의 좌표값을 생성하는 것으로 코드를 고쳐보았다.

강아지 개체를 구분하기위해 모색, 종, 얼굴 좌표를 기준으로 데이터셋을 구성하였다. Color Pixel 추출 색을 이용해 검색 기능을 구현하기 위해서는 데이터 셋의 R, G, B 값이 필요하다. 이를 위해 OpenCV를 활용해 각각의 이미지가 가장 큰 비중을 차지하고 있는 색의 R, G, B 값을 추출하였다. - 이미지 전체 색상 클러스터링 배경 색을 제외하기 위해 Grad Cam을 이용해 객체를 인식 한 뒤 객체의 컬러를 추출할 계획이었지만 대부분의 사진이 강아지 중심으로 나왔으며 실제 색을 추출해주는 코드를 돌려도 배경의 컬러 값이 많은 비중을 차지하지 않았다. 따라서 검색을 위한 서비스 구현이기 때문에 시간을 많이 차지하는 딥러닝을 제외하고 OpenCV만을 사용해도 될 것 이라는 판단을 내렸다. ..