차밍이

안녕하세요. 이전 포스팅을 통해서 CNN을 활용한 직접 만든 손글씨 이미지 분류 작업을 진행했습니다. 생각보다 데이터가 부족했음에도 80% 정도의 정확도를 보여주었습니다. 이번 포스팅에서는 ImageDataGenerator를 사용해서 한번 진행해보겠습니다. 이전 포스팅 : [Keras] CNN 이미지 분류 실습 : 손글씨 이미지 분류 : 간단한 CNN모델 불러오는 중입니다... 이미지 데이터 현재 파일이 한 폴더에 모두 담겨있는 상태입니다. ImageDataGenerator가 각 분류 데이터를 읽어올 때, 폴더별로 category를 인식합니다. 그래서 가, 다, 라, 카, 사 5개의 글자를 각 5개의 폴더에 넣어주어야 합니다. 이미지 카테고리화 데이터를 읽어오겠습니다. from keras.preproce..

이전 포스팅을 통해서 손글씨의 어떤 글자인지 분류하는 모델을 만들어보았습니다. > [Keras] CNN 이미지 분류 실습 : 손글씨 이미지 분류 또한, 데이터 증식을 통해서 성능이 훨씬 좋아지는 것을 확인해보았습니다. > [Keras] CNN ImageDataGenerator : 손글씨 글자 분류 이번에는 새로운 분류 모델로 손글씨를 보고 작성자를 맞추는 모델을 만들어보겠습니다. 데이터 형식 및 파일은 첫 번째 포스팅에 설명되어있으니 궁금하시면 해당 글을 참고해주시면 되겠습니다. Keras 작성자 맞추기 from keras.preprocessing.image import ImageDataGenerator from keras.utils import np_utils from keras.models impor..

안녕하세요. 오늘은 Keras 수업을 들으면서 진행했던 실습 내용을 적어볼까 합니다. Tensorflow와 Keras를 사용한 딥러닝 공부를 진행 중에 CNN 파트가 시작되었습니다. 대부분 mnist를 사용한 이미지 분류는 해보셨을 것이라 생각합니다. 그래서 저희는 각자가 글씨를 작성해서 각 글씨를 분류하는 CNN ㅣ모델을 만들어보기로 하였습니다. 이미지 데이터 간단한 실습을 하고자 가, 다, 라, 카, 사 5개의 글자를 선택했고 18명의 글씨가 있습니다. 아 글자의 데이터입니다. 이러한 형태로 5개의 글자를 train 데이터로 2번 test 데이터로 1번 작성하여 총 52개의 이미지 데이터가 존재합니다. 데이터를 보시면 중간중간 기울어진 글씨와 90도 회전된 것도 존재하는 것이 보입니다. 이미지는 28..