Computer vision project

목 차(Table of contents)

1. 개 요(Abstract)
2. 요구사양(Requirements)
3. 설치 방법(Installation)
4. 프로젝트 구성(Project structure)
5. 사용방법(Usage examle)

데이터 준비
데이터 전처리
모델 학습
모델 예측

6. 개정이력(Release note)
7. 참여 직원(Contributors)

1. 개 요(Abstract)

(목차로 이동)

CNN(Convolutional Neural Network)을 사용하여 동물 이미지(고양이, 개, 판다)를 분류하는 모델 개발
opencv를 사용하여 모델 구동 시 분류(예측) 결과를 이미지 위에 문자로 표시

2. 요구사양(Requirements)

(목차로 이동)

python 3.6
tensorflow 2.2
sklearn 0.22.1
numpy 1.18.1
matplotlib 3.1.3
opencv-python 4.2.0
imutils 0.5.3

3. 설치 방법(Installation)

(목차로 이동)

저장소에서 프로젝트 파일을 내려 받는다.

$ git clone https://github.com/sguys99/computer_vision_project.git

요구사양 라이브러리를 설치한다.

$ pip install -r requirements.txt

4. 프로젝트 구성(Project structure)

(목차로 이동)

├── dataset/
│   ├── 01_row/                    <- The original dataset.
│   ├── 02_interim/                <- Intermediate data that has been transformed.
│   ├── 03_processed/              <- The final, canonical data sets for modeling.
│   └── 04_external/               <- Data from third party sources.
│
├── docs/                          <- Generated analysis reports.
├── notebooks/                     <- Jupyter notebook files.
├── references/                    <- Data dictionaries, manuals, and all other materials.
│
├── src/
│   ├── data/                      <- Dataset for training models.
│   ├── mllib/
│   │   └── conv/                  <- modules for customized models. architectures.
│   ├── models/                    <- trained model weights.
│   ├── outputs/                   <- results on model evaluation. 
│   ├── utils/                     <- libraries to build models
│   ├── 01_data_preparation.py     <- scripts to download or generating data
│   ├── 02_build_features.py       <- scripts to turn raw data into features for modeling
│   ├── 03_train.py                <- scripts to train models
│   └── 04_predict.py              <- scripts to make predictions
│
├── environment.yml
├── README.md
└── requirements.txt

5. 사용방법(Usage examle)

(목차로 이동)

데이터 준비

캐글(Kaggle) Animal Image Dataset(Dog, Cat and Panda) 데이터셋을 다운로드한다.[download link]
다운로드한 데이터는 src/data/ 경로에 저장한다. 데이터셋 폴더 구조는 다음과 같이 설정한다.

└── src/
    └── data/
         └── animals
              ├── cats/
              ├── dogs/
              └── panda/

데이터 전처리

해당사항 없음(모델 학습 과정에서 진행)

모델 학습

mllib/conv/shallownet.py에 정의된 CNN 모듈을 사용하여 모델을 구성하고 학습한다.

사용법 : $ python 03_train.py [-d] [-m]

arguments 
  -d, --data    :   path to input dataset. required 
  -m, --model   :   path to trained model(weights). required
  -o, --output  :   path to train results(train history). optional

예 시:
데이터셋이 data/animals/ 경로에 저장되어 있고, 학습된 모델과 학습결과를 각각 models/model.hdf5, /outputs/output.png 경로에 저장하고자 할때 다음과 같이 입력한다.

$ python 03_train.py -d data/animals -m models/model.hdf5 -o ouputs.png

모델 예측

데이터셋에서 10장의 이미지를 랜덤 추출하여 분류 동작을 수행한다.

사용법 : $ python 04_predict.py [-d] [-m] 

arguments 
  -d, --data    :   path to input dataset. required 
  -m, --model   :   path to pre-trained model(weights). required

예 시:
데이터셋과 학습된 모델이 각각 data/animals/, models/model.hdf5 경로에 저장되어 있을 때 다음과 같이 입력한다.

$ python 04_predict.py -d data/animals -m models/model.hdf5

6. 개정이력(Release note)

(목차로 이동)

v1.0 (2020.11.02)
- v1.0 등록 및 배포
v1.1 (2020.11.20)
- 처리속도 개선 : pandas 연산부분을 numpy로 대체

7. 참여 직원(Contributors)

(목차로 이동)

소 속	이름	담당업무	연락처
데이터AI팀	AAA	과제책임	010-0000-0000
데이터AI팀	bbb	데이터수집, 전처리	010-0000-0000
데이터AI팀	ccc	모델링 및 성능평가	010-0000-0000

sguys99 / computer_vision_project Goto Github PK