A.I.44 논문요약)Improved Regularization of Convolutional Neural Networks with Cutout 표현 공간을 학습하는 CNN은 늘 과적합(overfitting)의 위험이 있다. 따라서 모델의 일반화를 위해서는 적절한 규제(regularization)가 필요하다. 이 논문에서는 모델의 훈련과정 동안 입력 이미지에서 무작위로 정사각 영역을 가리는 단순한 규제방법인 cutout을 소개한다. 과적합 방지를 위해 사용되는 방법으로 데이터 확장(augmentation)과 적당한 노이즈를 활성화함수, 매개변수, 데이터에 삽입 등을 꼽을 수 있다. 컴퓨터 비전 분야에서 데이터 확장은 거의 모든 경우에 사용되는데, 실행시키기 쉽고 효과적이기 때문이다. 대규모 모델은 트레이닝 동안 입력, 가중치, 그래디언트에 임의로 노이즈를 추가하여 규제될 수 있다. 특히, 확률적으로 일부 신경망 뉴런의 활성화를 가로막는 드롭아웃(.. 2020. 7. 21. 개vs고양이 데이터셋으로부터 살펴보는 케라스 훈련 데이터 준비 개요 컴퓨터 비전 딥러닝 모델을 실행하려면, 필요한 훈련 데이터가 적절하게 준비되어야 한다. 여기에는 단순히 데이터의 저장 경로를 지정하고, 올바른 레이블을 부여하는 것 뿐만 아니라 데이터 확장(data augmentation)을 포함한 데이터 전처리(preprocessing) 과정이 요구된다. 사전 훈련된(pretrained) 딥러닝 모델을 사용하는 전이학습(transfer learning)을 시행할 때는, 정해진 크기의 입력을 요구하는 경우가 많다. 입력 이미지의 크기를 이에 맞춰 조절할 필요가 있다. 훈련 데이터의 수가 부족할 때는 회전, 이동, 반전 등의 변형을 가해서 이미지 데이터를 확장(augmentation)할 수 있다. 데이터가 확장되어 훈련샘플의 수가 늘어나면, 과적합(overfittin.. 2020. 7. 4. dlib을 이용한 얼굴 탐색(face detection) ▶ dlib 공식 사이트 : Dlib C++ Library ▶ dlib 파이썬 얼굴 탐색 공식 예제 : face_detector.py , cnn_face_detector.py ▷ 참고하여 구현한 dlib 얼굴 탐색 예제 : dlib을 이용한 얼굴 탐색 등의 연산 [정지 이미지] face_detector_from_images.py [웹캠 스트리밍] face_detector_from_webcam [CNN 모델사용] face_detector_using_CNN 이미지 처리, 선형대수 뿐만 아니라 다양한 머신러닝 알고리즘을 활용할 수 있는 dlib 라이브러리는 C++로 작성된 툴킷이지만, python 패키지로도 설치해 사용할 수 있다. 특히 HOG(Histogram of Oriented Gradients) 특성을.. 2020. 7. 1. TensorFlow Lite 공식예제)꽃 인식 안드로이드 앱 -(2) 참고) Recognize Flowers with TensorFlow Lite on Android 변환된 텐서플로라이트 모델을 가지고 안드로이드 스튜디오에서 추가적인 설정을 한다. 참고페이지에서는 안드로이드 스튜디오에서의 작업을 순서대로 설명해주고 있다. 핵심적인 사항들은 다음과 같다. 텐서플로라이트 모델 model.tflite와 레이블 파일 labels.txt를 app/src/main/assets/ 에 복사한다. 텐서플로라이트에 대한 의존성을 설정한다. 모델 실행을 위한 텐서플로라이트 인터프리터를 생성한다. 안드로이드기기에서 받아들이는 이미지를 모델의 입력이미지 크기로 리사이즈하게 한다. 인터프리터로 실행된 결과는 레이블과 매핑되어, 각각에 대한 확률값으로 출력된다. 텐서플로라이트에서 추론은 Java A.. 2020. 5. 10. 이전 1 ··· 7 8 9 10 11 다음
