programmer programmer

이번엔 DeepLabV3+를 사용해 보았다. 먼저 tensorflow를 이용한 deeplabv3를 클론. !git clone https://github.com/rishizek/tensorflow-deeplab-v3-plus 그 후 unet에서 만들었던 Segmentation 이미지(PNG)를 사용한다. 그리고 원본 파일(JPG)도 한 곳에 잘 모아준다. 필자의 경우 tensorflow-deeplabv3-v3-plus\dataset\custom 여기에 img, seg폴더에 따로따로 모아놨다. 그 후train.txt, test.txt, val.txt 를 만든 후에 여기에 넣지 말고 dataset폴더에 넣어준다. (tensorflow-deeplabv3-v3-plus\dataset) train 와 val 은 아..

Unet 정리 먼저 labelme를 이용해서 데이터를 라벨링 시킨다. git clone https://github.com/wkentaro/labelme labelme > examples > semantic_segmentaiton 폴더로 접근해준다. labelme2voc.py를 실행시켜 준다. python labelme2voc.py data_annotated --labels labels.txt d6 data_annotated는 라벨링한 파일(.json) 및 이미지(jpeg) 폴더이고 —labels labels.txt 는 라벨링한 파일에 어떤 클래스가 존재하는 지 적어준 것이다. 차량 손상에는 Scratch, Dent, Break, Stamped, Rust가 있고, 배경 background와 ignore을 ..

Mask-RCNN custom dataset 돌리기 위한 준비 requirements.txt에 있는 것을 모두 설치해준다음에 tensorflow-gpu==1.15.0 gpu를 사용하기 위해 위와 같이 입력. keras == 2.0.8, scikit-image = 0.16.2 로 설치해주어야 정상 훈련이 가능하다. # Root directory of the project ROOT_DIR = os.path.abspath("/home/ubuntu/..../.../...") 프로젝트의 ROOT_DIR을 자신의 경로와 맞게 설정한다. 그 다음에 configuration을 지정해준다. 여기서 Name은 나중에 .h5 로그 파일이 지정되는 폴더의 이름의 일부가 된다. ###########################..

진행했던 프로젝트의 목표가 차량 손상 인식이기 때문에 Image Segmentation을 해주는 모델이 필요했다. 좋은 모델을 찾던 와중 Mask-RCNN을 알게 되었다. Mask-RCNN에 대한 자세한 설명은 생략하고.. 사용 방법부터 정리해 보겠다. https://github.com/matterport/Mask_RCNN matterport/Mask_RCNN Mask R-CNN for object detection and instance segmentation on Keras and TensorFlow - matterport/Mask_RCNN github.com https://github.com/SriRamGovardhanam/wastedata-Mask_RCNN-multiple-classes SriRa..

google colab에서 튜토리얼을 진행했다. MNIST에서 제공하는 손글씨 dataset을 가지고 0~9까지의 숫자를 분류해 내는 학습이다. "케라스 창시자에게 배우는 딥러닝" 5장 1절 예제이다. import keras keras.__version__ 학습에 필요한 keras를 import해준다. from keras import layers from keras import models model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3..

인턴 생활을 하며 배웠던 딥러닝에 대해 정리해 보려고 한다. 외관 손상 인식 공부 Mask R-CNN Mask R-CNN은 Faster R-CNN에 각 픽셀이 객체인지 아닌지 masking하는 CNN을 추가 객체가 있을 만한 영역 탐지 탐지한 영역 내 어떠한 범주가 있을지 예측 탐지한 영역 내 픽셀이 위에서 예측한 객체인지 아닌지 예측 U-Net (Semantic Segmentation Task에 널리 쓰이는 모델 중 하나) 기존 Segmentation 모델의 문제점 해결 가능 이미지를 인식하는 단위에 대한 overlap 비율이 적기 때문에 빠른 속도를 낼 수 있음 patch에서 검증이 끝난 부분을 중복 검증하지 않기 때문 Semantic Segmentation Instance Seg: 분할의 기본 단위..