모딩의 코딩블로그

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. ..

https://jinnyjinny.github.io/deep%20learning/2020/04/02/Kfold/ K-fold 개념과 Stratified cross validation 적용해보기 · Hyojin Kim's blog K-fold 개념과 Stratified cross validation 적용해보기 02 Apr 2020 | Deep learning K-fold K-fold 개념 데이터를 k개의 분할(k개의 fold, 일반적으로 k=4 or 5)로 나누고 k개의 모델을 만들어 k-1개의 분할에서 훈련하고 � jinnyjinny.github.io

https://jinnyjinny.github.io/papers/2020/03/10/DenseNet/ DenseNet：Densely Connected Convolutional Networks · Hyojin Kim's blog DenseNet：Densely Connected Convolutional Networks 10 Mar 2020 | Deep learning Object detection DenseNet DenseNet DenseNet은 2017 CVPR 컨퍼런스에 Densely Connected Network라는 네트워크 구조에 획기적인 변화를 주는 CNN 모델이 발� jinnyjinny.github.io

https://jinnyjinny.github.io/papers/2020/03/02/Object_detection/ R-CNN/Fast R-CNN/Faster R-CNN/SSD · Hyojin Kim's blog R-CNN/Fast R-CNN/Faster R-CNN/SSD 02 Mar 2020 | Deep learning Object detection R-CNN R-CNN/Fast R-CNN/Faster R-CNN/SSD 전문은 https://seongkyun.github.io/papers/2019/01/06/Object_detection/ 을 가져왔다. 초반에 공부하기 매우 좋은 게시�� jinnyjinny.github.io

https://jinnyjinny.github.io/papers/2020/03/04/CAM/ CAM：Learning Deep Features for Discriminative Localization · Hyojin Kim's blog CAM：Learning Deep Features for Discriminative Localization 04 Mar 2020 | Deep learning Object detection CAM CAM(Class Activation Map) 이 논문은 2016년 CVPR에 실린 “Learning Deep Features for Discriminative Localization”의 Visualization 방�� jinnyjinny.github.io

1. 프로젝트 소개 딥러닝을 이용한 이석증 분류기 : Diagnosis of BPPV by eye movement tracker Algorithm 2. 프로젝트 개요 프로젝트 목적 (기존 안진검사의 한계점) 환자는 병원에 방문하여 무거운 적외선 카메라가 부착된 특수한 안경을 착용하여 검사를 진행 적외선 비디오 녹화 시스템을 이용하여 눈의 움직임을 다시 분석해야 하는 번거로움이 있음 장비가 가벼운 재질이고 이동성이 좋은 관계로 파손의 위험이 높다는 것 얼굴의 형태나 연령에 따라 여러 크기와 형태의 고글이 필요하다는 점 *출처 결론 간편하게 안진검사를 시행할 수 있는 서비스 제작 Dataset 한계 의료 데이터의 특성 상, 병원과 협업하지 않고는 많은 데이터를 얻는데 한계가 있었다. 따라서 데이터는 유튜브에..

이번 포스팅에서는 이미지의 수가 적더라도 성능이 잘 나오게끔 도와주는, 이미지 증강, 왜곡 기법에 대해 알아보겠습니다. 1. RGB 값을 각각 빼서 그 값의 평균을 0으로 만드는 방법, preprocessing 먼저 첫번째 방법으로는 RGB 값을 각각 빼서 그 값의 평균을 0으로 만드는 것입니다. 이는 loss 값 수렴을 빠르게하는 효과가 있습니다. 강제로 RGB 값을 평균에서 빼주면, 사실상 input 값의 평균이 0이 되어서 traind을 할 때 수렴이 빨라집니다. 2. 좌우반전, augmentation 말 그대로 이미지의 좌우를 반전시키는 방법입니다. 모델이 이미지를 판단할 때, 같은 이미지이더라도 좌우를 다 살퍼보게하면 정확도가 높아지게 됩니다. 3. 밝기 조절, augmentation 딥러닝 모..