프로젝트 진행 상황
1.연령 학습 모델 데이터셋
검증 데이터는 모델의 훈련 중에 사용되지 않는다. 하지만 모델의 일반화 능력을 평가하고 성능을 모니터링하기 위해 사용되는 경우가 존재한다. 따라서, 우리는 23만장의 훈련(train) 데이터와 1만장의 검증(val) 데이터를 가지고 모델을 학습시킨다.(검증 데이터는 훈
2.VGG16,VGG19, ResNet모델을 이용한 연령 예측 학습 진행(100에폭)
VGG16 모델 구현 후, batch size=512, epoch=200으로 학습 진행학습되는 과정에서 각 epoch 마다 val_loss와 val_accuracy가 출력된다. val_loss와 val_accuracy는 모델의 성능을 평가하고 모니터링하는 데 도움이 되
3.VGG16 해석(연령 클래스 개수에 따른)
VGG16 연령 범위에 따른 결과1VGG16 나이 분류에 따른 결과2(기본 코드)
4.웹캠에서 모델의 성능이 정확히 발현되지 않는 이유
웹캠에서 찍은 사진과 딥러닝 모델이 학습한 사진의 형태는 서로 다를 수 있다.1\. 해상도 및 화질: 웹캠은 일반적으로 고해상도 카메라보다 낮은 해상도를 가지고 있을 수 있습니다. 따라서 웹캠에서 얻은 이미지는 낮은 해상도와 화질을 가질 수 있습니다.\--> 웹캠에서
5.12주차] 모델 성능 향상을 위한 수행-밝기 조절된 데이터 추가 학습
웹 캠에서 촬영한 사진을 모델에 학습시키고자 시도하였다. 이를 위해 웹 캠에서 촬영한 사진을 저장하도록 하였는데 웹 캠이 모델이 학습한 사진들과 비교했을 때 밝기와 해상도에 차이가 있다고 판단하여 데이터들의 밝기를 임의로 조정하여 증강한 데이터셋을 만들었다. 기존 UT
6.12주차] 모델 성능 향상을 위한 수행-웹캠에서 찍은 데이터로 학습 추가 진행
두 번째로 우리가 수행한 방법은 웹캠에서 찍은 데이터를 추가적으로 모델에 학습시킨 방법이다. 우선은 5장으로만 수행하였고 이후에 사진을 연사로 찍는 코드 추가하고 추가할 인원도 늘려서 학습시켜야 할 것 같다. 해당하는 데이터에 대한 전처리 과정은 이전의 밝기 수행과 동