Comment :

50가지 클래스(랜드마크들)를 가진 이미지 데이터셋을 / CNN을 통하여 이미지의 랜드마크적 위치를 찾아내는 모델을 만들 것 임

---

01. Project Overview

In this project, you will apply the skills you have acquired in the Convolutional Neural Network (CNN) module to build a landmark classifier.
배웠던 CNN을 이용하여 Landmakr 분류기를 만들 것 이다

[+] compelling : adj. (강제적일정도로) 주목하지 않을 수 없는, 강렬한

Photo sharing and photo storage services like to have location data for each photo that is uploaded. With the location data, these services can build advanced features, such as automatic suggestion of relevant tags or automatic photo organization, which help provide a compelling user experience.
사진 공유 및 사진 저장 서비스에 업로드된 사진에 대한 위치데이터 가져오기
위치데이터를 통하여 관련 태그 제안, 자동 사진 구성등의 기능을 만들 수 있음

[+] scrub : v. 문질러 지워내다

Although a photo's location can often be obtained by looking at the photo's metadata, many photos uploaded to these services will not have location metadata available. This can happen when, for example, the camera capturing the picture does not have GPS or if a photo's metadata is scrubbed due to privacy concerns.
사진에서의 위치데이터는 메타데이터에 포함되 있는 경우가 있지만
대부분의 경우에는 개인정보 문제, GPS 문제로 인하여 위치데이터가 없는 경우가 많다

[+] infer : v. 추론하다
[+] discernible : adj. 식별 가능한
[+] feasible : adj. 실현 가능한

If no location metadata for an image is available, one way to infer the location is to detect and classify a discernible landmark in the image. Given the large number of landmarks across the world and the immense volume of images that are uploaded to photo sharing services, using human judgement to classify these landmarks would not be feasible.
사진의 메타데이터에 위치정보가 없을 경우
사진 공유 서비스에 업로드되는 수~많은 랜드마크 이미지들을 통하여 랜드마크를 분류할 수 있으나 이것을 사람이 한다는 것은 불가능하다

[+] depict : v. 묘사하다, 그리다
[+] heuristic : adj. 체험적인, 스스로 발견하게 되는

In this project, you will take the first steps towards addressing this problem by building models to automatically predict the location of the image based on any landmarks depicted in the image. You will go through the machine learning design process end-to-end: performing data preprocessing, designing and training CNNs, comparing the accuracy of different CNNs, and using your own images to heuristically evaluate your best CNN.
해당 프로젝트에서는 이미지 속 랜드마크를 기반으로 이미지의 위치를 자동으로 예측하는 모델을 구축할 것 이다. 아래와 같은 것들을 모두 진행할 것 이다
1. Data preprocess
2. Desing & Train the CNN
3. Comparing the accuracy of CNNs
4. Test 나의 이미지들로 경험적 최고의 CNN모델을 찾기

---

02. Project Steps

1. Create a CNN to Classify Landmarks (from Scratch)
   Here, you'll visualize the dataset, process it for training, and then build a convolutional neural network from scratch to classify the landmarks.
   데이터 시각화, 훈련, CNN 구축 등 (스스로해보기)

2. Create a CNN to Classify Landmarks (using Transfer Learning)
   Next, you'll investigate different pre-trainined models and decide on one to use for this classification task. Along with training and testing this transfer-learned network, you'll explain how you arrived at the pre-trained network you chose.
   Transfer Learning으로 몇개의 모델 중 하나의 모델을 고르기

3. Write Your Landmark Prediction Algorithm
   Finally, you will use your best model to create a simple interface for others to be able to use your model to find the most likely landmarks depicted in an image. You'll also test out your model yourself and reflect on the strengths and weaknesses of your model.
   인터페이스 만들기?