Code-Jaram blog

딥러닝_10_객체 탐지 객체 탐지: 이미지 내에서 객체(사물, 사람 등)를 감지하는 것 -객체 있으면 찾고 객체가 없으면 찾지 않음 -활용분야: 공항검색대 사람인식, CCTV 위급상황 감지, 자율주행차 차량거리 파악 등 2. 객체 탐지 알고리즘의 역사 1)Traditional Detection Method(전통적) 슬라이딩 윈도우: 고정된 크기의 window로 이미지의 좌상단부터 우하단(이미지의 모든 영역)까지 일일이 객체를 검출하는 방식 문제점: 객체가 없는 영역도 Sliding해야 하며, 여러 scale의 이미지를 스캔하여 검출→수행시간이 오래 걸리고, 검출성능이 낮음, 한 객체를 여러 번 검색 2)Two Stage Detector 영역추정(Region Proposal), 탐지(Detection) 단..

딥러닝_09_네이버 영화 리뷰 감성 분석 *데이터 다운로드: ratings_train, ratings_test https://github.com/e9t/nsmc/ 데이터 불러오기 import pandas as pd train_data=pd.read_table("./data/ratings_train.txt") test_data=pd.read_table("./data/ratings_test.txt") 2. 결측치 제거 결측치 데이터 개수 확인 #결측치 데이터 개수 확인 #True: 결측치, False: 결측치 아님 print(train_data.isnull().sum()) #document에 결측치 5개 있음 결측치 데이터 확인 #결측치 데이터 확인 train_data.loc[train_data.docume..

딥러닝_08_소리데이터 분석 [아기울음소리 분류 실습] 목표 librosa 라이브러리를 이용하여 음성처리하는 방법 소리 데이터를 직접 데이터로 입력받아서 소리분류하는 방법 소리데이터를 MFCC로 변환하여 소리를 분류하는 방법 2. 데이터 불러오기 아기 울음소리 데이터셋 -3개의 라벨로 구성(silence, crying, laugh) -훈련데이터 169개, 테스트 데이터 89개로 구성 데이터 압축파일 풀기 #데이터 압축풀기 import zipfile file="./data/baby_sound/baby_sound.zip" #파일 읽기 zip_ref=zipfile.ZipFile(file, "r") #지정한 폴더경로에 압축 풀기 zip_ref.extractall("./baby_sound") #압축풀기 종료 zi..

딥러닝_07_과대적합 제어 및 전이학습 [과대적합 제어방법] 데이터 확장(증식) 기존의 데이터에 원래의 특성을 유지하는 선에서 잡음을 추가하거나 데이터를 변형하여 데이터의 양을 증가시키는 방법 데이터의 수가 부족한 경우 간단하게 성능을 개선할 수 있음(과대적합 방지) 1)이미지 데이터 확장방법 rotation_range(360): 0~360° 회전 width_shift_range(0.1): 전체에서 10%내외 수평이동 height_shift_range(0.1): 전체에서 10% 내외 수직이동 -일반적으로 이미지는 수평이동보다 수직이동의 영향을 많이 받으므로 수직이동 값을 작게 설정함 shear_range(0.5): 0.5 radian 내외 시계 반대방향으로 변형 zoom_range(0.3): 0.7~1...

Spring_07_게시판 실습 project 생성 시 dependencies 설정 DevTools: 수정사항이 생기면 Tomcat을 자동으로 재시작하는 도구 -자동재시작: 내용을 수정하면 자동으로 서버 재시작 기능 수행 -ReLoad: resource 내용이 변경되면 자동으로 새로고침 기능 수행 sqlDeveloper에서 board2 테이블 생성하기 [Board]entity 필드 및 생성자 만들기 [BoardWrite] 파일선택하는 input 태그 추가 form 태그에 enctype을 multipart/form-data로 지정 [BoardController] 첫 화면 메인페이지 실행 게시글 작성 페이지로 이동 게시글 저장하는 메소드 @RequestPart annotation으로 file 태그 name값으..

Spring_06_Spring Boot&리액트 연동 [sqlDeveloper에서 mysql 사용하기] Mysql Community 다운로드-sqlDeveloper 폴더에 넣기 https://dev.mysql.com/downloads/connector/j/8.0.html [sqlDeveloper] Oracle 환경설정-데이터베이스-타사 JDBC 드라이버-항목추가-Mysql.jar파일 선택 *mysql 파일 경로: C:\Users\smhrd\Desktop\sqldeveloper-23.1.0.097.1607- no-jre\sqldeveloper MySQL로 데이터베이스 접속 데이터 베이스 선택 Player 테이블 생성 선수정보 삽입 [Spring Boot] [PlayerController] @RestContr..

딥러닝_06_CNN DNN(Deep Neural Network); 은닉층을 늘려서 학습을 반복하여 최적의 해 도출 -대표적인 알고리즘: CNN, RNN, LSTM, GRU 등 2. CNN(Convolution Neural Network): 이미지 데이터의 특성을 추출하는 알고리즘 과대적합, 기울기 소실문제, 학습시간이 오래 걸리는 문제 해결 기존의 방식: 이미지 패턴의 위치 기반으로 이미지 데이터 학습 CNN 방식: 이미지 데이터의 특징 중 중요한 특성을 추출하여 학습 3. CNN 과정: 이미지→[특성 추출→이미지 크기 줄이기]*반복→여러 작은 특성 이미지 추출→학습→예측 Convolution: filter 연산, 이미지의 특징을 찾기 위해 필터링 수행 *필터 시뮬레이터 https://setosa.io/..

Spring_05_Spring Boot [회원가입, 아이디중복확인, 회원조회 실습] [환경설정] Spring Tools 4 from Eclipse: 4.19.1 (windowsx86_64) https://spring.io/tools Boot Dashboard: Tomcat 내장 Create New Spring Starter Project: Name, Type, Group, Package 변경 Dependencies: [pom.xml]에 자동으로 작성됨 -Spring Boot에서 자동으로 버전관리를 해주기 때문에 버전에 대한 태그는 없음 [SpringBoot 구조] *Spring Boot에서는 view의 역할로 jsp 대신 Thymeleaf를 사용함 [SpringBoot1Application] 현재 클래스..

딥러닝_05_오차 역전파 오차 역전파(Back Propagation) 순전파: 입력데이터를 입력층에서부터 출력층까지 정방향으로 이동시키며 출력값을 예측해나가는 과정 역전파: 출력층에서 발생한 오차를 입력층 쪽으로 전파하며 오차에 관여하는 가중치를 수정하여 오차를 줄이는 방향으로 최적의 결과를 학습해나가는 과정 2. sigmoid 함수의 문제점: 역전파과정에서 출력층이 많을수록 미분값이 0에 가까워져 기울기 소실문제가 발생하여 학습이 제대로 되지 않음 3. ReLU: 입력값이 양수일 경우 입력값에 상관없이 미분값이 항상 동일한 값(1)을 유지하여 역전파 과정에서 기울기가 소실되는 문제를 해결 -단점: 입력값이 음수인 경우 미분값이 0이 됨(=데이터 손실), 데이터스케일링 시 사용 x 4. 최적화함수의 종류..

딥러닝_04_다중분류 다중분류: 분류되는 클래스의 개수가 3개 이상인 분류 활성화 함수: 신호를 활성화 함수를 거쳐 역치 이상의 자극만 다음 계층의 전달함 활성화 함수의 종류: 예측하고 싶은 데이터의 따라 출력층의 활성화 함수가 달라짐 1)연속형 데이터(회귀): Linear 함수(항등함수), y=x -입력값 그대로 출력되지만 활성화 함수를 입력해야 하기 때문에 형식적으로 있는 것 -활성화 함수를 따로 작성하지 않으면 기본값으로 Linear 함수가 적용됨 2)분류: 선형모델의 출력결과는 연속형 데이터, 분류모델의 출력결과는 확률이므로 활성화 함수를 통해 연속형 데이터를 확률로 변환 초기 활성화 함수: step function, 기울기가 없어 경사하강법과 맞지 않음 이진분류: sigmoid 함수, 한 클래스..