학습 내용
오후 다섯시까지 달리는 수업에 끝나면 바로 운동이라 피곤한 날들이다.
하지만 오늘도 정진해야 하느니라. 오늘은 Data로 꽃의 사진을 놓고 꽃을 구별하는 실습을 해보았다. 오늘은 4/5, 4/6일 내용을 한꺼번에 적는것
필기내용,
점심 이후에는 Orange에 image analystics 라는걸 다운로드 하여 본격적으로 테스트하기위해 강사님이 전송하신 중식요리 이미지를 data에 넣어봤다.
다운로드 하면서 강사님이 Deep Running에 관한 이야기를 조금 해주셨다.
Deep Running은 Ai이전에 나온 단어라고 한다, perceptron이란 인공신경을 일컫는 이름이 있다고 한다. perceptron을 연구하다 막혔는데, 제프리 힌턴 이라는 사람이 해답을 찾았다고 하셨던가...
아무튼 ILSVRC라는 대회가 있다고 한다. 누가 인공지능을 이용해 이미지를 잘 분류 하는가? 라는 취지의 대회이다. 2010년 우승자는 오차율이 28% 2011년은 26% 1년사이에 똑똑하다는 사람들이 어렵게 노력하여 2프로의 오차율을 줄인 것이다. 하지만 이 오차율은 딥러닝을 사용하지 않고 일반 프로그램을 이용해 참가한 우승자의 오차율이다.
2012년에 딥러닝을 가지고 참가하여 우승한 사람의 오차율은 무려 16%였다. 이후 딥러닝의 시대가 열리는데, 2013년에는 12%, 그리고 google이 14년도 부터 참가하여 6.7%로 또 낮아진다.
이후 MS에서도 참가하여 3.6%로 낮아지고, 차트에는 Human Error 라는 기준점ㅇ ㅣ있다.
6%정도 까지이며 MS가 참가한 이후 3.6프로로 낮아진 오차율은 즉, 사람보다 구별을 잘한다 라고 할 수 있다.
Image를 삽입 후 컴퓨터가 인식한 데이터를 확인해보고, Image에 빨간색 Rectangle을 삽입하여 그 Rectangle에 사물 및 사람의 정보, 사람이라면 나이, 성별 등을 표시하는 코드를 짜 보았었다.
위는 결과 사진이다.
그리고 인물 image에 대한 Face detection 실습도 진행함.
Json에 Data를 주고 faces로 변수를 준 다음 faces를 입력하면
얼굴을 인식한 뒤, 얼굴을 분석하여 감정상태별로 퍼센테이지로 나타내준다.
그리고 나온 결과물을 위의 버스 이미지 실습과 마찬가지로 감정, 나이, 성별 등을 기입해주는 Rectangle 삽입
그리고 다음은 OCR 실습
image의 텍스트를 인식하여 추출하는 코드, 마지막 사진을 보면 이미지의 텍스트가 온전히 추출된 것을 확인할 수 있다. 이미지는 실습을 위해 일부러 텍스트가 잘 보이는 이미지를 선택했다.
어려웠던 점
코드나 변수가 어떤 역할을 하며 어떤 용도인지 정확하게 모르겠다.
구동의 원리도 알것 같다가도 헷갈린다
해결방법
-복습 복습 복습...
학습 소감
강사님은 잘 가르쳐 주시지만 나에겐 여전히 어려운 공부같다. 어서 익숙해지길 기다리며 열심히 복습하는 수 밖에는 없겠다.
