민자의 지식창고

javascript를 통한 모델 생성하는 코드입니다. Fully connected layer 만으로 구성된 인공 신경망 입력 데이터는 1차원 형태로 한정 됩니다. 사진데이터를 평면화 시키는 과정에서 공간에 손실은 이루어집니다. 이러한 공간 손실에 대한 정보 부족으로 인공 신경망이 특징을 추출 및 학습이 비효율적이고 정확도를 높이는데 한계가 있습니다. 한계를 극복한 모델이 아래와 같습니다. Fully Connected Neural Network와 비교하여, 차이는 다음과 같습니다. Convolution Neural Network 각 레이어의 입출력 데이터의 형상 유지 이미지의 공간 정보를 유지하면서 인접 이미지와의 특징을 효과적으로 인식 복수의 필터로 이미지의 특징 추출 및 학습 추출한 이미지의 특징을 모..

모든 삽질 끝에 드디어, 최종 단계까지 왔습니다.. 에러 나올때 try: except 문을 이용하여, 처리 후 해당 숫자를 확인 하는 순차적으로 For문을 돌려서 확인 하도록 하였습니다. 문제는 Countours 에서 정확히 이미지 처리가 되면 상당히 의미가 있는 숫자를 확인이 가능할것 같습니다. 아직은 이미지 처리에 문제가 많아 보입니다. ROI도 자동으로 설정 하는 방법을 찾아봐야겠습니다. ROI를 자동으로 설정하더라도, (자동계산?) 저 이미지 처리는 어떻게 해야 할지 상당히 난감 합니다. 이미지 필터를 어느정도까지 써야 할지 어떤 이미지 필터를 써야 하는지

ImageDataGenerator 클래스를 통해 객체를 생설 할 때 파라미터를 전달해주는 것을 통해 데이터의 전처리를 쉽게 할 수 있고, 또 이 객체의 flow_form_directory 메소드를 활용하면, 폴더 형태로된 데이터 구조를 바로 가져와서 사용이 가능 합니다. 1. ImageDataGenerator를 사용한 데이터를 크게 부풀립니다, (10개 이미지만 있다면, 10개 이미지 기준으로 더 많게) 아래는 ImageDataGenerator 설정 옵션 입니다. shear_range : Float, Shear Intensity ( share angle in counter-clockwise direction as radians) 밀린강도 범위내에서 임의로 원본 이미지를 변형 시킵니다. 수치는 시계반대방향..