[KT AIVLE] 시각지능 딥러닝 4일차 - 심화학습

0. 개요

---

금일은 프로젝트에 쓰이는 다양한 기법들과 Object Detection에대해 학습하였습니다.

**1. model save&load **

---

모델 저장방법은 아래와 같다

1. 학습시 베스트를 저장 ```python mcp = ModelCheckpoint(filepath=’./model1.keras’, # 모델 저장 경로 monitor=’val_loss’, # 모델 저장의 관심 대상 verbose=1, # 어느 시점에서 저장되는지 알려줌 save_best_only=True, # 최고 성능 모델만 저장 save_weights_only=False) # True : 가중치만 저장| False : 모델 구조 포함하여 저장

history = model.fit(train_x, train_y, validation_data=(val_x, val_y), epochs=10000, verbose=1, callbacks=[es, mcp] )

2. 현재 모델을 저장
```python
model.save('./my_first_save.keras')

2. Object Detection

---

Classification + Localization

• Localization : 단 하나의 Object 위치를 Bounding Box로 지정하여찾음
• Object Detection : 여러 개의 Object들의 위치를 Bounding Box로 지정하여찾음

Object Detection 주요 개념

• Bounding Box
  • 하나의Object가포함된 최소크기박스
  • 위치정보 : x min, y min, x max, y max, x center, y center, width, height
• Class Classification
  • 클래스 분류
• Confidence Score
  • bounding box안에 해당 물체가 있는지에대한 확신 정도
• IoU
  • 두박스의중복영역크기를통해측정 -> 겹치는영역이넓을수록좋은예
• NMS
  • 동일Object에대한 중복박스제거
    1. Confidence score 임계값이하의 Bounding Box 제거
    2. 남은Bounding Box들을 Confidence score 내림차순으로정렬
    3. 첫Bounding Box(Confidence score가 가장높은!)와의IoU 값이임계값이상 인다른박스들을제거
    4. Bounding Box가 하나될때까지반복
• Precision, Recall, AP, mAP
• Annotation

3. 프로젝트시 유용한 함수

---

• Extra: image_dataset_from_directory

  idfd_train = image_dataset_from_directory('/content/drive/MyDrive/my_data/my_mnist2',
                                                      label_mode='categorical',
                                                      color_mode='grayscale',
                                                      image_size=(28,28),
                                                      )
  

4. 정리

---

금일은 이전에 배운내용 정리와 Object Detection 주요 개념을 학습하였습니다.

이만 가보겠습니다!

실습 코드는 아래 링크에서 확인 가능합니다.

• 시각지능