머신러닝_딥러닝4 object detection - 욜로v3(custom data training) 설명 learnopencv.com/training-yolov3-deep-learning-based-custom-object-detector/ : 간략요약 - 구글 코랩에서 수행. 소스 다운로드 !git clone https://github.com/spmallick/learnopencv.git %cd learnopencv/YOLOv3-Training-Snowman-Detector 1. Dataset 1.1 Download data [approx 1 hour] !pip3 install awscli #awscli설치/ 에러날경우 무시해도 됨. openImages files을 다운받기 위한 작업: !wget https://storage.googleapis.com/openimages/2018_04/class-descr.. 2021. 6. 3. object detection - 욜로v3 with OpenCV(inference test) 설명 learnopencv.com/deep-learning-based-object-detection-using-yolov3-with-opencv-python-c/ :간략 요약 (예시) object detector = object locator + object recognizer - 원리: 입력 이미지를 가로13x세로13으로 나눈다. 즉, 총 169개의 셀로 나눈다.(하나의 셀크기는 이미지크기에 따라 다르다.) 각 셀이 이미지를 찾는 바운딩박스를 만드는데, 욜로는 그 바운딩박스가 실제로 하나의 물체를 포함하는지의 신뢰도와 그 감싸진 물체가 특정 클래스에 속할 확률을 예측한다. 이 바운딩박스의 대부분은 제거되는데, 이유는 그 신뢰도 점수가 낮거나, 같은 물체에 대해 매우 높은 신뢰도점수를 가진 다른 바운딩박스가 .. 2021. 6. 3. 결정트리 학습된 모델 시각화: Graphviz Visualize #랜덤포레스트 등은 해당안됨. import graphviz from sklearn.tree import export_graphviz export_graphviz(tree모델명, out_file='tree.dot', class_names=데이터target_names, feature_names=데이터feature_names, filled=True ) with open('tree.dot', encoding='utf-8') as f: dot_graph = f.read() dot = graphviz.Source(dot_graph) display(dot) dot.render(filename='tree.png') 2021. 1. 26. 머신러닝, 딥러닝 Mnist 학습된 모델 테스트 GUI소스 # 학습모델변수: model 인경우./ 모델의 결과출력이 원핫인코딩이 아니면 수정필요.(아래 주석참고) # svm 과 keras등은 가능.(파이토치는 동작안함) import imageio import matplotlib.pyplot as plt import tkinter as tk from PIL import ImageDraw from scipy import ndimage import numpy as np from PIL import Image import warnings warnings.filterwarnings("ignore", category=DeprecationWarning) def crop_img(img_ndarray): first_row = np.nonzero(img_ndarray)[0].mi.. 2021. 1. 26. 이전 1 다음
