[Python to AI] 딥러닝이 이미지를 처리하는 방법, CNN을 이용한 Classification (Competition) - week 5, 6

딥러닝이 이미지를 처리하는 방법

1. Classification

2. Segmentation

 

728x90

둘은 어떻게 다를까?

Classification (분류):
목표: 이미지를 사전 정의된 클래스 레이블 중 하나로 할당하는 것.
접근 방식: 이미지의 전체적인 내용을 이해하고, 이미지에 포함된 개체 또는 속성을 식별하여 해당하는 클래스로 분류하는 것.
예시: 고양이, 개, 자동차, 비행기 등과 같은 카테고리로 이미지를 분류하는 작업.

Segmentation (분할):
목표: 이미지를 픽셀 단위로 그룹화하여 의미 있는 영역으로 분할하는 것.
접근 방식: 이미지의 각 픽셀을 개별적으로 분석하고, 픽셀을 객체 또는 배경으로 할당하여 영역을 정의하는 것.
예시: 이미지 내의 개별 객체 또는 영역을 정확하게 분리하기 위해 사용되는 작업 (예: 주요 객체 분할, 의료 영상에서 종양 분할).

 

분류가 사용되는 곳은?

https://blog-ko.superb-ai.com/use-of-image-classification-technologies-in-everyday-life/

일상 속에서 활용되는 이미지 분류 기술

 

728x90

CNN을 정확히 알기 전, 컴퓨터가 받아들이는 이미지의 개념부터 이해해보자

이미지를 이용한 딥러닝

https://www.insilicogen.com/blog/346

人Co BLOG :: 이미지를 이용한 딥러닝의 개요

CNN 시각화

https://www.youtube.com/watch?v=YRhxdVk_sIs 

728x90

그렇다면 CNN 모델의 근본, ResNet

https://imkmsh.tistory.com/entry/%EB%94%A5%EB%9F%AC%EB%8B%9D-ResNet-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0

[논문 리뷰] ResNet 논문 리뷰

 

이제 Competition에 참여해보자

https://dacon.io/competitions/official/236082/overview/description

도배 하자 유형 분류 AI 경진대회 - DACON

베이스라인 코드

https://drive.google.com/file/d/1_ULkFzxemK2JPqSLWJRnoMLm3Bh15nYT/view?usp=sharing 

[Pytorch_Baseline]_EfficientNet B0을 활용한 이미지 분류 모델.ipynb