[딥러닝] 10장 영상인식

 

 

전통적인 영상 인식 시스템은 특징을 사용한다.

컨벌루션 신경망

 

 

영상을 처리할 때 유리한 신경망 = CNN

- 영상 인식 신경망은 크게 특징 추출기(컨벌루션 신경망), 특징 분류기(완전 연결 신경망)으로 구성되어 있다.

 

 

데이터 증대

한정된 데이터에서 여러가지로 변형된 데이터를 만들어내는 기법

 

 

 from tensorflow.keras.preprocessing.image import ImageDataGenerator
 datagen = ImageDataGenerator(rescale = 1./255,
 rotation_range=90, brightness_range=[0.8, 1.0],
 width_shift_range=0.2, zoom_range=[0.8, 1.2],
 height_shift_range=0.2)

 

rotation_range = 회전 한도

brightness_range= 밝기 변형 비율

width_shift_range= 좌우 이동 한도

zoom_range= 확대 한도

 

ImageDataGenerator 출력은 파이썬의 제너레이터 형식으로, next()가 호출되면 변형된 영상을 하나씩 보내게 된다 

 

 

 

가중치 저장과 전이 학습

이미 학습된 모델의 가중치를 저장할 수 있고 필요할 때마다 가중치를 불러와서 신경망이 예측을 할 수 있게 할 수 있다.

 

import numpy as np
import tensorflow as tf

#난수로 훈련 예제를 만든다
test_input= np.random.random((128,32))
test_target= np.random.random((128,1))

#입력이 32, 출력이 1 노드인 신경망모델을 구축한다. 
inputs= tf.keras.Input(shape=(32,)) #입력 32
outputs= tf.keras.layers.Dense(1)(inputs)
model=tf.keras.Model(inputs, outputs)
model.compile(optimizer="adam", loss="mean_squared_error")

model.fit(test_input, test_target, epochs=3) #산경망 3번 훈련시킴
model.save("my_model") # 3의 에포크를 수행한 모델을 저장한다
saved_model=tf.keras.models.load_model("my_model") # 저장된 모델을 불러온다
saved_model.fit(test_input, test_target, epochs=3)  # 저장된 모델을 다시 학습시킨다

 

전이 학습 -> 하나의 문제에 대해 학습한 신경망의 모델과 가중치를 새로운 문제에 적용하는 것

 

케라스에서는 save(), load_model() 메서드를 이용해 가중치를 저장하거나 불러올 수 있다.