imageclassification

Keras와의 실제 이미지 분류 :

• 안녕하세요 Colab
• 이미지 분류
• 사전 배치 된 특징 vizualization
• 전송 학습
• 기능 기반 이미지 검색

---

01 hellocolab.ipynb

기본적인 콜랩 데모

---

02 imageClassification.ipynb

이 코드에서는 기본 이미지 분류기를 구현할 것입니다.

• 데이터 세트로드 (MNIST HAND WRIST DIGITS)
• 딥 러닝 모델을 설계하고 학습 가능한 매개 변수를 검사하십시오.
• 교육 데이터에 대한 모델 훈련 및 학습 곡선 검사
• 본 적이없는 테스트 데이터에 대한 훈련 된 모델 평가
• 나중에 사용하기 위해 모델을 저장하십시오
• 모델을로드하고 사용하십시오

---

03 사전 처리 된 피 가비즈 .ipynb

이 코드에서는 사전 상충 된 이미지 분류 네트워크를로드 할 예정입니다.

• RESNET50
• vgg16
• vgg19

그런 다음 사전 예방 네트워크를 사용하여 T-SNE를 통해 기능 추출 및 시각화가 수행됩니다.

---

04 TransferLearning.ipynb

이전 학습에서 우리는 다른 목표 작업을 배우는 데 도움이되는 소스 작업에서 배운 지식을 활용하고자합니다. 예를 들어, 잘 훈련 된 풍부한 이미지 분류 네트워크는 다른 이미지 대상 관련 작업에 대해 활용할 수 있습니다. 또 다른 예, 시뮬레이션 된 환경에서 훈련 된 네트워크에서 배운 지식은 실제 환경을 위해 네트워크로 전송 될 수 있습니다. 기본적으로 신경망 전송 학습을위한 두 가지 기본 시나리오가 있습니다.

• 기능 추출
• 미세 조정

전송 학습을위한 잘 알려진 예는 이미지를 1000 개의 클래스 중 하나로 분류 할 수있는 이미 훈련 된 대규모 분류 VGG 네트워크를로드하고 특수 의료 이미지의 분류와 같은 다른 작업에 사용하는 것입니다.

---

05 featureBasedImagesearch.ipynb

이미지 검색 엔진 : 일반적으로 검색 엔진은 일반적으로 쿼리를 취하고 결과를 반환합니다. 이미지 검색 엔진은 입력 이미지를 이미지 쿼리로 취한 다음 이미지 검색 엔진은 인덱스 된 데이터베이스 내에서 "유사한"이미지를 찾아 검색 결과로 반환합니다. 두 이미지 사이의 유사성을 측정하는 방법은 무엇입니까?

• 픽셀 공간 : 한 가지 간단한 방법은 픽셀 공간의 두 이미지 사이의 유클리드 거리를 측정하는 것입니다. 따라서 두 이미지에 해당 픽셀의 공통 또는 거의 값이있는 경우 "유사한"것으로 간주됩니다. 이것은 때때로 작동 할 수 있지만, 파란색 배경을 가진 돌고래와 비행기 이미지는 픽셀 관점에서 비슷한 것으로 간주되며 우리는 그것을 원하지 않습니다!
• 기능 공간 : 또 다른 접근 방식은 두 이미지 사이의 유클리드 거리를 계산할 때 픽셀 공간 대신 ​​기능 공간을 사용하는 것입니다. 다시 말해, 이미지를 비슷한 기능을 가진 이미지가 서로 가까이있는 공간으로 이미지를 투사하십시오. 이 공간에서 돌고래와 비행기는 픽셀 수준의 유사성에도 불구하고 분리됩니다.