DStory

선형 AutoEncoder를 활용한 이미지 축소 및 복원 (MNIST 데이터셋 사용) 라이브러리 가져오기 import tensorflow as tf from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Input import numpy as np import matplotlib.pyplot as plt tf.__version__ 데이터셋 가져오기 from tensorflow.keras.datasets import mnist (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train.shape, y_train.shape #((600..

CNN(Convolution Neural Network)를 활용해 호머와 심슨을 분류해보자. 1. Import the library import matplotlib.pyplot as plt import seaborn as sns import zipfile import numpy as np from google.colab.patches import cv2_imshow import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Conv2D, Dense, Flatten, MaxPool2D from tensorflow.keras.preprocessing.image import Im..

지난 번 포스팅에는 LBPH 알고리즘으로 얼굴 인식을 태스크를 진행했다. 이번에는 68개의 얼굴 포인트를 감지해서 정확도를 높혀보고자 한다. 1. 라이브러리 가져오기 import dlib import cv2 import PIL import Image from google.colab.patches import cv2_imshow 2. 데이터셋 가져오기 import os import zipfile path = "~/yalefaces.zip" zip_object = zipfile.ZipFile(file=path, mode='r') #read zip_object.extractall("./") zip_object.close() # 메모리 해제 3. 태스크와 모델 정의 # dlib에서 어떤 태스크를 수행할 것이며,..

얼굴 인식 (Face Recogintion) 이미지에서 얼굴을 인식하고자 한다. 우선, 얼굴 탐지와 얼굴 인식의 차이를 알아야 한다. - 얼굴 탐지 : 이미지나 영상에서 인간의 얼굴을 찾고 위치를 식별하는 것 (얼굴 인식, 감정 분석, 성별 및 연령 추정 등에서 활용됨) - 얼굴 인식 : 얼굴이 특정 인물인지 식별하는 것이며, 얼굴을 분석하여 개인의 정체성을 확인함 (보안 시스템, 모바일 잠금 해제, 범죄자 식별 등에서 활용됨) LBPH(Local Binary Patterns Historgram) 얼굴 인식에 사용되는 LBPH 알고리즘을 알아보자. Local Binary Pattern Histogram이다. 텍스쳐 분석에 기반을 두고, 특히 변화하는 조명 (예를 들어, 옆에서 주는 조명, 아래에서 주는 ..

과일과 채소의 이미지를 보고 분류하고자 한다. MobileNetV2 모델을 전이 학습했다. 해당 데이터셋에는 바나나, 사과, 배, 포도, 오렌지, 옥수수, 양파, 감자, 레몬 등으로 구성되어 있다. 데이터셋은 Kaggle Dataset을 활용한다. https://www.kaggle.com/datasets/kritikseth/fruit-and-vegetable-image-recognition Fruits and Vegetables Image Recognition Dataset Fruit and Vegetable Images for Object Recognition www.kaggle.com 1. Load library 사용할 라이브러리를 가져오자. import pandas as pd import numpy..

CNN (Convolutional Neural Network) 연구실에서도 자주쓰는 이미지 처리 모델, CNN을 사용해보자. import dlib image = cv2.imread(".jpg") # 사전에 학습된 모델 가져옴 cnn_detector = dlib.cnn_face_detection_model_v1(".dat") 경계 박스를 만들어주자. # 숫자를 크게할수록 작은 얼굴을 탐지한다. detections = cnn_detector(image, 4) for face in detections: l, t, r, b, c = face.rect.left(), face.rect.top(), face.rect.right(), face.rect.bottom(), face.confidence print(c) cv..

HOG, Histogram of Oriented Gradient HOG 알고리즘으로 사람들의 얼굴을 탐지해보자. HOG는 HaarCascade보다 더 복잡한 연산을 해 성능을 좀 더 끌어올린다. 먼저, dlib 라이브러리가 필요하다. d lib는 OpenCV와 유사하게 이미지 프로세싱 커뮤니티에서 폭넓게 도입하고 있는 강력한 라이브러리이다. import cv2 import dlib # for colab from google.colab.patches import cv2_imshow image = cv2.imread(".jpg") cv2_imshw(image) 이제 얼굴 탐지를 위해 사전에 학습된 모델을 가져오자. face_detector_hog = dlib.get_frontal_face_detector()..

Face Detection 이미지 내 얼굴을 감지해보자. Basic import cv2 # if you use colab, type above code. from google.colab.patches import cv2_imshow 데이터 가져오기 image = cv2.imread(".jpg") image.shape # (1280, 1920, 3) 이미지 보기 cv2_imshow(image) 사이즈가 크다. resize 메소드를 사용해서 줄여보자. # 800,600 사이즈로 조절 image = cv2.reszie(image, (800,600)) image.shape # (600,800,3) 이미지를 회색으로 변경해보자. # RGB -> BGR 순으로 입력해야한다. image_gray = cv2.cvtCo..