코딩헤딩

* 이미지 증식을 하는 이유???? - 이미지를 이용하여 모델 훈련 시 데이터 확보가 어려운 경우 수행 - 기존 이미지 훈련모델의 성능이 낮은 경우에 데이터를 증가시키고자 할 때 사용 - 이미지 증식은 하나의 원본 이미지의 형태를 랜덤 하게 변형시켜 많은 양의 이미지를 생성 가능 * 사용할 라이브러리 정의 ### 이미지 증식에 사용되는 라이브러리 from keras.preprocessing.image import ImageDataGenerator ### numpy배열을 이미지로 변환하는 라이브러리 from keras.preprocessing.image import array_to_img ### 이미지를 numpy 배열로 변환하는 라이브러리 from keras.preprocessing.image impor..

https://coding-heading.tistory.com/104 Deep learning[딥러닝] YOLO 객체탐지 네트워크 가중치 모델 사용 https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 coding-heading.tistory.com 이전 글에서는 정적인 이미지에서 객체를 탐지하는 프로그램을 만들었는데 이번에는 카메라에서 들어오는 동영상을 처리하는 프로그램을 해보겠다. ### 사용할 라이브러리 import cv2 import numpy as np * 데이터 읽어 들이기 VideoSi..

https://coding-heading.tistory.com/104 Deep learning[딥러닝] YOLO 객체탐지 네트워크 가중치 모델 사용 https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 coding-heading.tistory.com * 위 글의 가중치 모델을 이용해서 객체(자동차) Detection 하는 코드를 함수로 만들어 보았다. def predict_yolo(img_path) : """이미지 데이터 가져오기""" img = cv2.imread(img_path) """BGR을 ..

https://coding-heading.tistory.com/103 Deep learning[딥러닝] YOLO 객체탐지 네트워크 기초 - "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 영역(바운딩 박스-사각형)과 객체의 이름(사람, 고양이, ...)을 표시해 주는 coding-heading.tistory.com 이전 글과 이어집니다. - yolov3.weights : 이미 훈련된 모델의 가중치 데이터 파일 - yolov3.cfg : yolo모델 매개변수 설정 파일 - coconames : 인식(감지)된 객체의 레이블 명칭(이름)이 저장된 파일 * DNN(심층신경망) 모델을 사용하여 모델 세팅하기 net = cv2.dnn.rea..

- "욜로"라고 칭한다. - 한 개의 네트워크(계층, 모델 같은 의미로 칭함)에서 객체(물체, 사물)를 탐지 - 탐지된 개체의 영역(바운딩 박스-사각형)과 객체의 이름(사람, 고양이, ...)을 표시해 주는 기능을 수행함 - 객체 탐지 기술이라고 해서 "Object Detection"이라고 언어 소통이 된다. - 객체탐지는 컴퓨터 버전 기술의 세부 분야중 하나로 주어진 이미지 또는 영상 내에 사용자가 관심 있는 객체를 탐지하는 기술을 의미함 - 객체탐지 모델을 만들기에 앞서 => 바운딩 박스를 만드는 것이 우선시 되어야 함 - 바운딩 박스란? => 사각형의 시작 좌표(x1, y1), 종료 좌표(x2, y2)로 표현되는 타겟 위치(객체 위치)를 사각형으로 표현한 것을 의미함. - 이미지를 입력으로 받음(이..