📒 [ TIL ] 2022.05.19_23일차 # 사물인식 머신러닝(2)

[ 2022-05-19 (목) 오늘의 TIL ]

[ Today Project ]

• 사물인식 머신러닝
  : 이번 프로젝트는 팀프로젝트로 시작합니다.

[ Today Learn ]

• 프론트엔드 개발
• 게시물 포스팅 및 리스팅 개발
• 아나콘다활용한 사물인식 기능

✏️ 내가 배운것, 얻은것

• 이미지파일을 데이터로 이동시킬때는 'formData'를 활용해야 가능하다.

🧩 적용예시

function uploading_files() {
        let file = files[0]; //실제 파일
        let image = files[0].name; //파일명
        let username = $("#input-username").val()
        console.log(username)

        let formData = new FormData();
        formData.append('file_give', file)
        formData.append('image_give', image)
        formData.append('username_give', username)
        console.log(formData)

        $.ajax({
            type: 'POST',
            url: '/content',
            processData: false,
            contentType: false,
            data: formData,
            success: function (response) {
                if (response['result'] == 'success') {
                    alert(response['msg'])
                    window.location.href = '/'
                } else {
                    alert(response['msg'])
                    window.location.reload()
                }
            }

🧩 적용예시

• 학습된 모델 저장하기
  모델은 크게 모델 아키텍처와 모델 가중치로 구성되는데, 모델 가중치는 임의의 값으로 초기화되어 있지만, 훈련셋으로 학습하면서 갱신된다. 그 학습된 모델을 Keras에서는 save() 함수로 ‘h5’파일 형식으로 모두 저장할 수 있다.

• 사물인식기능
  우리 팀의 사물인식 주제는 '강아지 종 판별하기' 이다. 따라서 많은 강아지 사진들의 데이터를 기반으로 학습시켜 강아지 종을 구분해주는 기능을 만들었다.

model = tf.keras.models.load_model('static/model/model.h5')
    test_url = f'static/img/post_contents/{filename}'
    test_generator = tf.keras.preprocessing.image.load_img(test_url, grayscale=False, color_mode="rgb",
                                                           target_size=(299, 299))
    input_arr = tf.keras.preprocessing.image.img_to_array(test_generator)
    input_arr = np.array([input_arr])
    input_arr /= 225.

    pred = model.predict(input_arr)
    pred2 = pred.argmax(axis=-1)
    dog_list = [''']
    dog_name = dog_list[pred2[0]]

위의 업로드버튼을 눌러 아래와 같은 drag&drop 기능을 활용하여 사진을 업로드 하게되면,

아래와 같이 학습된 것을 기반으로 강아지의 종류를 판별하여 보여주게된다.

🌱 느낀 점

이번에 팀원들이 모두 잘하는 팀원들이여서 확실히 열심히 해야겠다는 동기부여가되는것 같다.
일단 이번 프로젝트에서 프론트엔드보다는 주로 백엔드와 사물인식기능을 하는데에 더 힘썼고, 저번 프로젝트보다 깃활용을 확실히 많이 해봤다. 역시 해보니까 감이 잡히는 것 같다. 자주자주 푸시하고 풀을 해줘야 충돌이 많이 일어나지 않는것을 깨달았다.
프로젝트가 생각했던 것보다 빨리 끝나게 되서 내일은 사물인식의 정확도를 더 올릴 수 있는 방법을 찾아봐서 적용시켜봐야할것 같다.
그리고 우리팀이 두번째로 예정했던 사물인식을 이용해서 롤 챔피언을 구분하는 것도 따로 만들어볼 예정이다.

🎁 자세한 코드는 Moonmoo 에 게시했습니다