[연구실] 딥 러닝을 위한 이미지 크롤링

딥러닝 모델에 넣기 위한 풍경화 이미지 데이터를 모으기 위해 이미지 크롤링이 필요\ 참고 사이트: https://kimcoder.tistory.com/259 [크롤링, 예제 5] 이미지를 크롤링 해서 컴퓨터에 저장하기 4달만에 올리는 크롤링 포스팅인데 그 사이에는 개인 프로젝트, 웹 공부(spring, bootstrap)을 하느라 올릴 시간이 부족했던 것 같다. 오랜만에 소개할 예제는 이미지 크롤링이다. 이미지 크롤링 자체 kimcoder.tistory.com 1. 픽사베이(https://pixabay.com/ko/)에서 제공하는 무료 이미지를 이용한다. 또한 크롤링을 위한 Python 라이브러리 BeautifulSoup을 이용 2. 해당 사이트의 url과 Html 구조를 파악해야한다. url 규칙은 다..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 8. 3.
• textsms

이미지 특징 정보 추출

VGG-16 : 모델 변형을 위한 논문 읽기 1. VGG-16 모델에서 마지막 Fully-Connected layer 부분을 제거하여 이미지 특징 정보만 추출한다. 다음과 같이 Fully-Connected 부분을 삭제하여 이미지 정보만 추출하도록 VGG-16 모델을 바꿨다. 2. 풍경화에 대한 이미지를 얻기 위하여 pixabay(무료 이미지를 제공하는 사이트)에서 이미지 크롤링을 하여 100개의 data를 얻고 해당 이미지에 대해 90도로 오른쪽 회전 좌우반전 밝기 100 올리기 어둡게 50 을 한 noise 이미지 data를 생성하였다. 3. 이후 기존의 원본 풍경 이미지와 noise 이미지에 대해 Consine Similarity 를 구하기 위해 해당 이미지 data를 GPU로 돌리기 위해 'cuda..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 8. 3.
• textsms

[연구실] 프로젝트 정리

: 유사도 모델에 대한 설계를 다시 하였다. 우선 기존의 모델은 객체를 탐색하고 객체가 일치하는 이미지 데이터들에 대한 유사도를 분석하는 모델이었다. 유사도 분석 : 이미지의 전체적인 유사도 + object 별 이미지 유사도의 평균값을 유사도로 측정 1. 우선 Object Detection은 YOLO 모델을 활용한다. 2. 이미지 유사도 측정 모델은 다시 한번 여러 모델을 점검해 볼 필요가 있다. 3. 기존에 사용하기로한 랜드마크 이미지 데이터가 너무 용량이 많다. => 다른 이미지 데이터를 활용할 필요가 있다. 이미지 유사도에 대한 라벨링 데이터 모델 찾기 1. 이미지 유사도 모델에 대한 논문에서 어떤 이미지 데이터 모델을 사용하였는지 확인한다. => 이미지 특징 정보 추출 YOLO 사용 우선 풍경 I..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 7. 27.
• textsms

[연구실] 1. YOLO 논문

1. 우선 들어오는 이미지에 대해 Object detection을 진행한 후, 객체가 일치하는 사진에 대해서만 유사도를 측정한다. 2. Object detection을 위한 모델을 일단 YOLO 모델을 사용한다. 3. 유사도 측정을 위한 유사도 측정 지표를 학인 4. torch serve를 통해 서버와 통신하는 방법 알기 YOLO 논문 분석 : 아이패드의 요약본 첨부 => 의문점 1. 20 개의 객체로 분류한다. 만일 이미지 데이터가 20개 객체 밖의 다른 객체가 존재한다면 어떻게 처리해야하는가? 2. 우선 AI 허브 데이터가 YOLO에서 잘 동작하는지 확인해봐야함 3. YOLO 모델을 그냥 가져다가 써도 좋을듯한데... => 우선 이미지 데이터 전처리가 필요하다 448 x 448 * 사용 방법 http..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 7. 19.
• textsms

[pytorch] 기본

: 딥러닝을 위한 framework Pytorch - regression 1. data set을 setting -> train set과 validation set. test set을 설정한 후, numpy로 값을 한번 살펴본다. 대게 비율이 8:1:1, 7:2:1로 설정 %matplotlib inline import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d # ====== Generating Dataset ====== # num_data = 2400 x1 = np.random.rand(num_data) * 10 x2 = np.random.rand(num_data) * 10 e = np.random.normal..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 7. 18.
• textsms

인공지능 되짚어보기

학습 정의 1. Learning(학습)이란 input에 맞는 output을 구하는 함수 f(x)(=perceptron)을 찾는 것이다. => input에 맞는 oupt을 구하기 위해 weight를 찾는것이 학습니다. => Error 값을 줄여나가면서 weight를 학습한다. 이때 Error 값을 정의한 함수를 Objective function(목적 함수)라고 한다. (일반적으로 Error 값은 MeanSquaredError를 사용한다. * MSE는 아래의 식과 같다) 즉, Error를 최소화할때의 weight 값을 구해야한다. Gradient descent learning error값을 최소화하기 위한 가장 기본적인 학습 방법이다. 1. 학습 시작에서는 random하게 weight를 설정한다. 2. 학습..

• format_list_bulleted Project/NFT 블록체인을 활용한 딥러닝 기반 사진 거래 웹 애플리케이션 구축
• · 2021. 7. 18.
• textsms