구성원

• 조장: 디자인 전공
• 팀원: 딥러닝 엔지니어, 2 명

환경

• GCP TPU 할당
• Ubuntu

문제 - 해결

자원

지원받고 있던 코랩 프로로는 유의미한 학습이 불가능하였다. 간단한 Ubuntu 사용법과 클라우드 할당방법을 익히고 GCP TPU를 사용하여 학습을 지속할 수 있었다.

latent vector regression

Stylegan2에 대한 이해가 필요했다. 구현하고 싶은 목적은 명확했으나 어떻게 할 지 몰라 막막한 상황에서 멘토의 도움이 힘이 됐다. 비슷한 과제를 수행했던 레포지터리를 알려주었다.

AI sidabari

AI는 디자인 예측만 하고 판단은 디자이너가 한다

구성 성분

• Crawling: 이미지 모으기, beautifulsoap, selenium
• Stylegan2: 이미지 생성, pytorch
• Classification: 생성된 이미지의 계절, 연도 분류, Resnet
• 계절, 연도 예측: LogisticRegression
• 배경 제거: pretrained segmentation model

개략적인 설명

• 크롤링으로 vogue에서 이미지를 모은다. 광고가 뜨는데 selenium 브라우저 상에서 제거한 후 크롤링 진행
• TPU로 Stylegan2 학습 진행, 빠른 결과 도출을 위해서 256 이미지 크기 축소
• 생성된 이미지의 라벨을 지정하기 위해서 분류 모델 학습, stylegan2 학습 데이터로 교차 검증을 통해 모델 성능 확인, 식별할 수 있는 이미지를 생성할 떄까지 학습 시킨 후, 분류 모델 설계 결과 99%의 테스트 지표를 가졌다.
• stylegan2의 장점을 살려서 w-space vector regression을 진행했다. LR모델 학습 데이터는 stylegan2가 생성한 이미지에 학습시킨 모델의 라벨을 가지고 진행.
• 프로젝트 초기에 배경을 제거할 것을 고려했지만 멘토의 조언을 듣고 배경을 제거하지 않는 것이 오히려 도움이 될 것 같다는 판단 하에 이미지의 크기만 조절하여 진행