딥러닝

Dlib을 이용하여 얼굴 포인트와 얼굴 특징을 추출하는 얼굴 기술자를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. Facial Points face_detector = dlib.get_frontal_face_detector() # 68개의 얼굴 포인트를 감지함 points_detector = dlib.shape_predictor('/content/drive/MyDrive/Colab Notebooks/Udemy/Weights/shape_predictor_68_face_landmarks.dat') 얼굴 감지기와 얼굴 포인트 감지기를 정의한다. 얼굴 포인트 감지기를 정의할 때 경로를 보면 68이라는 숫자가 있는데, 68개의 얼굴 포인트를 감지한다는 의미이다. 얼굴 이미지에 사전에 정해둔 ..

LBPH 분류기 학습을 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. LBPH 분류기 학습 LBPH 분류기를 학습시키기 전에 이 분류기의 학습과정을 알아보자. LBPH 분류기는 이미지를 작은 정사각형(셀)으로 나누고 각 정사각형에 특정 조건을 적용해서 이진값을 생성한다. 최종 목표는 작은 정사각형마다 하나의 히스토그램을 그리는 것이다. 히스토그램을 그리는 이유는 히스토그램을 이용해서 얼굴을 비교할 때 사용하기 때문이다. 따라서 각 얼굴마다 히스토그램 SET를 가지고 있다. 새로운 이미지를 분류기에 넣으면 새로운 히스토그램 SET가 생성되는데, 생성된 히스토그램을 학습 시 저장된 모든 히스토그램과 비교한다. 알고리즘의 학습 과정은 각 클래스에 관한 히스토그램을 생성하고 파일로 저장한다...

Face Recognition (얼굴 인식) 개념 및 이미지 전처리를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. 얼굴 감지 vs 얼굴 인식 지금까지 배운 것은 얼굴 감지 기능이었다. 이제부터 배울 것은 얼굴 인식 기능인데, 얼굴 감지와 얼굴 인식은 들었을 때 비슷한 느낌일 것 같다. 하지만 다르게 말하는 이유가 있듯이 두 기능의 목적이 다르다. 얼굴 감지의 목적은 얼굴을 식별하고 얼굴 주위로 경계 상자를 그리는 것이다. 주로 사용되는 곳은 얼굴에 초점을 맞춰야 하는 디지털 카메라에서 주로 사용한다. 얼굴 인식의 목적은 얼굴을 감지하는 것에서 끝나는 것이 아니라 해당 얼굴의 인물이 누구인지 파악하는 것이다. 얼굴 인식이 얼굴 감지의 다음 단계라고 생각하면 편하다. 일단 얼굴을 감지해..

히스토그램으로 특정 사물을 감지하는 HOG를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 1. HOG(Histograms of Oriented Gradients) 개념 이미지의 주변 픽셀을 고려해서 색의 변화가 가장 큰쪽으로 화살표를 그리는 '그래디언트 벡터'를 픽셀마다 적용한다. 주변 픽셀과 비교했을 때 색의 변화가 별로 없는 곳은 검정색으로 칠해진다. 순간적으로 색의 변화가 생기는 곳은 연결점이 생겨서 테두리 부분만 칠해진다. 그래디언트 벡터의 크기의 행렬에서 해당 픽셀과 그 픽셀의 차이를 통해 화살표를 정의한다. 2. 얼굴 감지 실습 2 - 1. 이미지, 얼굴 감지기 불러오기 import dlib image = cv2.imread('/content/drive/MyDrive/Colab..

OpenCV를 활용한 얼굴 감지를 배우다. (광주, 인공지능, 과학기술정보통신부, 광주광역시) 사용언어 : Python 환경 : Colab 강의 : Computer Vision (Udemy) Udemy의 유료강의를 볼 수 있는 기회가 생겨서 딥러닝의 한 분야인 Computer Vision 강의를 선택했다. 1. OpenCV OpenCV란 이미지나 동영상 처리에 사용되는 라이브러리이다. 이미지, 동영상에서 물체 감지, 추적, 특징추출, 패턴인식, 얼굴인식 등의 작업 수행을 할 수 있다. OpenCV는 무료로 제공되고 딥러닝과 결합해서 데이터 처리를 빠르고 쉽게 처리할 수 있게 되었다. 2. OpenCV를 활용한 얼굴 감지 (Haarcascade) 1. 이미지 불러오기 이미지자료나 캐스케이드 분류기등의 자료..

퍼셉트론을 배우고 다층 퍼셉트론이 나오게 된 배경과 구조를 배우다. 1. 퍼셉트론과 활성화 함수 퍼셉트론은 간단하게 선형함수 + 활성화 함수의 조합이다. 우리가 처음 보는 것은 활성화 함수일 것이다. 퍼셉트론은 인공 신경망이고 인공 신경망은 인간의 뉴런을 본떠 만든 것이라고 했다. 인간의 뉴런은 특정 자극 이상을 받을 때만 반응한다. 그 특정 자극의 세기를 '역치'라고 하는데, 이 역치 이상의 자극을 주면 반응을 한다. 이 역치의 역할을 하는 것이 바로 퍼셉트론에선 '활성화 함수'이다. 입력 데이터가 선형 함수에 대입 되고, 그 결괏값을 활성화 함수에 대입한다. 위 수학 표현식을 보면 선형함수의 결과가 0 이하이면 활성화 함수의 y값은 0이 되고, 선형함수의 결과가 0 초과이면 활성화 함수의 y값은 1이..

인간의 신경망을 모방하여 학습하는 기술인 딥러닝을 배우다. 1. 딥러닝 정의 기존에 배운 머신러닝은 모델을 학습하기위해 입력데이터를 사람이 개입해서 모델이 잘 학습할 수 있도록 데이터 전처리 과정을 거친다. 그렇기 때문에 데이터 전처리 과정이 굉장히 중요하다. 좋은 데이터로 모델을 학습해야 좋은 모델과 좋은 결과를 출력하기 때문이다. 딥러닝은 다르다. 딥러닝은 머신러닝에 속한 개념인데 딥러닝 모델을 학습시킬 때는 입력 데이터에 사람의 개입이 크지 않다. 입력 데이터가 많을수록 모델이 올바른 방향으로 학습한다. 딥러닝 모델은 인간의 신경망을 모방하여 학습한다. 머신러닝에서 배운 선형함수가 딥러닝 모델의 근간이된다. 인간의 신경망인 뉴런이 선형함수라고 생각하면 된다. 여러개의 선형모델들이 병렬적 다층 구조로..