- 이번에는 CNN을 통해 마스크 착용 유무를 확인하기 위한 과정을 코드해봤다.
- 먼저 필요한 데이터를 zip을 풀어서 가져오고, 각 module를 불러왔다.
- 불러온 데이터를 프레임 형태로 정리했다.
- 데이터의 분포를 확인하니 편향된 것 없이 잘 분포되어 있다.
- 이제 임의의로 몇개의 데이터를 확인해봤다.
- 이제 train, test, validation별로 데이터를 구분하고 openCV를 통해 이미지의 스케일을 Gray형태로 바꾸고, 사이즈를 (150, 150)으로 바꿨다.
- 그리고 마스크를 끼고 있으면 1, 끼고 있지 않으면 0으로 Label을 더해줬다.
- 이제 Label값을 더한 데이터를 numpy를 통해 shuffle을 해줬는데, 섞은 이유는 데이터 train과정에서 순서를 통한 train을 혹시나 방지하기 위해서다.
- 이제 데이터와 label을 x, y 변수에 저장하고
- 8 : 2 사이즈로 train, test 데이터로 구분했다.
- 그리고 model을 구축하는데
- Conv2d
kernel_size는 filter의 크기인데 n*n크기만큼 짜르고
strides의 크기만큼 이동하며
padding은 filter과정에서 이미지의 크기를 유지하기 위해 이미지 데이터의 모서리에 0의 값을 넣어주고
해당 데이터를 relu방식으로 활성화 함수를 사용해서 150, 150,1의 크기를 입력받고 32개로 출력한다 - MaxPool2d
해당 이미지 데이터를 축소하는 것으로 size만큼에서 max값들만 출력해서 이미지 데이터를 축소하는 역할을 수행한다.
- DropOut
이미지의 과적합을 방지하기 위해서 흐릿하게?만든다는 표현이 맞을지는 모르겠는데 이미지를 일정 부분 망가지게 한다
- Flatten
데이터를 일차원 형태로 만드는데, 이미지 데이터의 경우 다차원이기 때문에 Dense에 입력값을 넣기 위해 일차원으로 펼쳐준다.
- Conv2d
- 이제 만든 모델에 reshape으로 입력형태로 똑같이 만든 데이터를 넣어서 fit시키고, 성능을 테스트한 결과 97%에 가까운 정확도를 보인다.
- 상대적으로 1에 대한 precision과 0에 대한 recall값이 부족하다
상황을 바꿀 수 없다면, 나를 바꾸자