오늘보다 더 나은 내일의 나에게_

머신러닝 마스크 착용여부 분류모델 활용하기 코드 import tensorflow as tf import cv2 from tensorflow.keras.models import load_model mask_model = load_model("./mask_detect_model2.h5") # 얼굴검출 모델 사용하기 face_model = cv2.CascadeClassifier(cv2.data.haarcascades+"haarcascade_frontalface_default.xml") #반복문 이용해서 영상 출력하기 try : print("영상로딩을 시작합니다..") video_cap = cv2.VideoCapture("./03.mp4") #video_cap = cv2.VideoCapture(0) 0으로 작성..

머신러닝 📌리눅스 명령어 정리 # 현재 작업 디렉토리 확인 !pwd # 현재 작업 디렉토리의 폴더 내용 확인 !ls # 폴더 이동 %cd # 폴더 생성 mkdir # 파일/폴더 복사 cp # 파일/폴더 이동 mv # 파일/폴더 삭제 rm # 추가 도구 설치 apt-get 마스크 착용여부 판단 모델(이진분류) ✨훈련데이터와 평가데이터로 나누기(사진파일형태 유지) import os import numpy as np file_names_with_mask = os.listdir('./data/with_mask') file_names_without_mask = os.listdir('./data/without_mask') # 난수 추출 기능 np.random.choice([10,5,99,100], size=2, r..

머신러닝 전이학습(Transfer Learning) - 전이학습이란 다른 데이터 셋을 사용하여 이미 학습한 모델을 유사한 다른 데이터를 인식하는데 사용하는 기법이다. - 이 방법은 특히 새로 훈련시킬 데이터가 충분히 확보되지 못한 경우에 학습 효율을 높여준다. - 사전학습모델을 이용하는 방법은 특성 추출(feature extraction)방식과 미세조정(fine-tuning) 방식이 있다. 특성추출방식 📌딥러닝(Deep Learning) 실습 VGG16 전이학습 from tensorflow.keras.applications import VGG16 pre_trained_model = VGG16(include_top=False, weights="imagenet", input_shape=(224,224,3))..

머신러닝 📌 CNN 모델 만들기 from tensorflow.keras.layers import Conv2D,MaxPool2D, Flatten 1. 모델 생성 cnn_model = Sequential() # 모델의 뼈대 # 특성 추출부 cnn_model.add(InputLayer(input_shape=(224,224,3))) cnn_model.add(Conv2D(filters=64, kernel_size=(3,3), activation="relu")) cnn_model.add(MaxPool2D()) # 불필요한 정보를 삭제 cnn_model.add(Conv2D(filters=128, kernel_size=(3,3), activation="relu")) cnn_model.add(MaxPool2D()) cn..

안드로이드 프로젝트에서 파이어베이스 연결 MainActivity에 아래 코드 추가 후 실행 build.gradle에서 버전 20.0.4로 변경 후 sync now 클릭 코드 더보기 MainActivity package com.example.ex0425; import androidx.appcompat.app.AppCompatActivity; import android.os.Bundle; import android.util.Log; import com.google.firebase.database.DataSnapshot; import com.google.firebase.database.DatabaseError; import com.google.firebase.database.DatabaseReference; ..

머신러닝 기존 머신러닝과 딥러닝의 차이점 Linear Model(Regression) => 수치형(회귀), 범주형(분류) 경사하강법 예제 import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.DataFrame([[2,20],[4,40],[8,80],[9,90]], index=['예진','해도','세연','명진'], columns=['공부시간','성적']) data loss function(비용함수) : 가설이 실제 데이터에 적합한지 수치화시키는 함수 - 선형회귀는 비용함수로 MSE(평균제곱오차)를 활용한다. # h(x) def h(w,x) : # 가설함수 return w*x+0 h(10,1) # => 10 # MS..

머신러닝 딥러닝(Depp Learning) 사람의 신경망을 모방하여 기계가 병렬적 다층 구조를 통해 학습하도록 만든 기술 기계는 판단하는 기준이 명확히 정해져있다 하지만 사람은 대상을 판단하는 경계가 느슨하다(추상적) 대량의 데이터에서 복잡하고 계층적인 패턴을 찾아내는 능력이 뛰어나다 다층 퍼셉트론(Multilayer Perceptron) from tensorflow.keras.datasets import mnist # 손글씨데이터 (X_train,y_train),(X_test,y_test) = mnist.load_data() X_train.shape, y_train.shape # ((60000, 28, 28), (60000,)) X_test.shape, y_test.shape # ((10000, 28,..

머신러닝 특정색상 검출 import cv2 fruits_img = cv2.imread("./fruits.jpg") fruits_img_HSV = cv2.cvtColor(fruits_img,cv2.COLOR_BGR2HSV) # 빨간색 영역 검출 (0~5와 170~179 영역을 병합) lower_red = cv2.inRange(fruits_img_HSV, (0, 100, 100), (5, 255, 255)) upper_red = cv2.inRange(fruits_img_HSV, (170, 100, 100), (180, 255, 255)) added_red = cv2.addWeighted(lower_red, 1.0, upper_red, 1.0, 0.0) cv2.imshow("origin",fruits_img)..

머신러닝 # 분석용 서버 구축을 위한 flask 설치 !pip install flask !pip install matplotlib # 영상처리분야에서 많이 쓰는 라이브러리 !pip install opencv-python from flask import Flask, request, Response, redirect import io # 파이썬의 입출력을 도와주는 라이브러리 import numpy as np import matplotlib.pyplot as plt from tensorflow.keras.models import load_model # 딥러닝 모델 로딩 함수 import cv2 # opencv # 플라스크 객체 생성 app = Flask(__name__) # 학습된 모델 로딩 model = l..

머신러닝 가상 환경 설정 더보기 # 설치 !pip install pillow from tensorflow.keras.models import load_model from PIL import Image, ImageOps import numpy as np # 학습된 모델 로딩 model = load_model('animal_keras_model.h5') # 예측시킬 이미지 데이터를 넣을 변수 data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32) # 예측시킬 이미지 로딩 image = Image.open('./predict1.jpg') # 예측시킬 이미지를 224 x 224로 리사이징 size = (224, 224) image = ImageOps.fit(i..