qcoding

** 이번실습은 CNN을 활용한 Class Activation Map을 만들어 보는 실습이다. CAM은 CNN으로 분류 문제를 풀 때 이미지에서 어떤 feature가 예측에 영향을 주는 지 시각화할 수 있는 방법이다. 기존에 CNN 활용 시 Feature 추출 후 예측을 위해 Fully connected layer 부분 대신 Global Avg 풀링으로 Convolution layer 부분에서 추출한 feature map과 마지막 예측에 사용된 weight를 곱해서 이미지를 시각화 하는 것이다. 실습은 크게 아래와 같은 순서로 진행된다. 1) 데이터 셋팅 ( 강아지 고양이 데이터 set을 사용한다.) 2) CNN 모델 생성 (VGG16 전이학습 사용) 3) Class Activation Map 생성 1)..

https://www.kaggle.com/datasets/alxmamaev/flowers-recognition Flowers Recognition This dataset contains labeled 4242 images of flowers. www.kaggle.com ## 이번 실습은 CNN으로 이미지의 Feature 추출 한 후 제시된 이미지와 비슷한 특징을 갖는 이미지를 dataset에서 불러오는 실습을 진행하려고 한다. 이번 실습을 이해하기 위하여 간략히 내용을 정리한뒤 본격적으로 실습을 진행해보려고 한다. 1) 실습에 필요한 내용을 간략히 정리하기 2) VGG16 의 Convolution layer를 이용한 추출 모델 생성 후 추출된 모델을 바탕으로 가지고 있는 모든 data set을 거리기반 ..

https://www.kaggle.com/datasets/tongpython/cat-and-dog Cat and Dog Cats and Dogs dataset to train a DL model www.kaggle.com ## 이미지 분류의 대표적인 강아지 / 고양이 분류 문제를 VGG16의 전이학습을 통해서 구현해보는 실습을 진행하려고 한다. 진행순서는 아래와 같으며, kaggle 데이터 set을 활용하며, google drive와 colab을 사용하여 실습예정이다. 1) 데이터 set 다운로드 후 google drive upload --> colab에서 구글드라이브 연동 후 불러오기 2) 전체 이미지를 numpy array로 만들기 3) 이미지 시각화 4) 이미지 전처리 ( scaling / Augm..