# VGG16

실시간 얼굴 인식을 통한 맞춤형 광고 제공 프로젝트(2)
실시간 얼굴 인식을 통한 맞춤형 광고 제공 프로젝트(1)에 이은 발표 PPT 및 설명입니다.

실시간 얼굴 인식을 통한 맞춤형 광고 제공 프로젝트(1)
메타버스 아카데미 2기 AI반 MediaPipe,CNN 활용 프로젝트입니다! 🐧🐧🐧대중교통 혹은 엘리베이터 탑승 시 탑승객의 성별/연령대에 따라 맞춤형 광고를 제공하는 프로젝트입니다. MediaPipe를 활용하여 탑승객들의 안면을 추출하고 CNN을 통해 검출된 1

기상 상황에 따른 도로 노면 분류 프로젝트(2)
기상 상황에 따른 도로 노면 분류 프로젝트(1)에 이은 발표 PPT 및 설명입니다.안녕하십니까. 기상 상황에 따른 도로 노면 분류라는 주제로 AI반 딥러닝 미니 프로젝트를 진행한 임정민입니다. 반갑습니다. 발표 목차입니다. 보이시는 순서와 같습니다.프로젝트 주제는 차량

기상 상황에 따른 도로 노면 분류 프로젝트(1)
메타버스 아카데미 2기 AI반 딥러닝(CNN) 개인 프로젝트입니다! 🐇🐇🐇딥러닝 CNN 아키텍처 모델을 통해 차량 운행 중 빗길이나 눈길 등 안전을 위협하는 노면을 분류하는 프로젝트입니다.정보통신산업진흥원의 2023년 ICT 기술 동향 보고서에 기재된 두가지 기술

[Project] 닮은 연예인 분류 Django 구현 - (1) 모델 생성
이미지 파일을 numpy배열로 변환하여 np.asarray()함수를 사용하여 배열로 변환bad_vector 배열의 모든 원소를 255로 나누어서 0~1범위로 정규화TensorFlow의 keras라이브러리에서 vgg16모델을 훈련weight : 사전에 훈련된 가중치를 지

[플레이데이터] 4월 19일 오전 수업(전이 학습 개념, 월-화 수업 복습 및 실습)
python안에는 가상환경(conda, Virtualenv 등이 있고 여기서 Requirement.txt안에 입력한 환경대로 설치해줌) 여기서 하위 종속 패키지는 100개 이상 존재 Model Service -> MSDjangorestframeworkPOST -> De

KT 에이블스쿨 36일차(1)
어제에 이어 같은 주제로 미니프로젝트를 이어갔습니다.오늘은 실습 모델인 VGG16모델을 불러와서 실습을 진행하겠습니다. 그리고 추가적으로 어제 0.5에 고정되던 문제 해결 방안을 같이 서술하겠습니다.모델링에 앞서 어제 포스팅에서 0.5로 계속해서 val_accuracy
학습된 모델을 업로드하여 이미지 예측해보기
이와 같이 3가지의 모델을 저장하였고, 이제 이 모델을 별도의 개발 환경에서 불러와 이미지를 올바르게 예측할 수 있는지 확인한다. 이번 포스팅에선 CNN 모델을 활용한다.load_model이라는 모듈을 활용하면 저장한 모델을 불러올 수 있습니다.모델 적용에 앞서 num

CNN, ResNet, VGG16을 활용한 손가락 이미지 데이터셋 분류(3)
이번에는 VGG16 모델을 활용한 이미지 분류 학습에 대하여 알아보자.이미지 분류에 있어 가장 간단하고 널리 활용되는 방법이다. Convolutional Layer의 일부를 동결하고 부분 재학습을 통해 모델을 활용할 수 있다. 이번 모델 학습의 경우엔 block 5를

CNN, ResNet, VGG16을 활용한 손가락 이미지 데이터셋 분류(2)
기존에는 CNN을 활용한 이미지 분류를 진행하였다면, 이번에는 전이학습을 통한 미세 조정 과정을 거친 모델 학습을 진행한다. Keras가 제공하는 여러 모델들 중 이미지 분류에 가장 많이 활용되는 것은 ResNet, VGG16 모델이다. 우선 ResNet 모델에 대하여
CNN, ResNet, VGG16을 활용한 손가락 이미지 데이터셋 분류(1)
과거 졸업작품 발표 시 제작한 CNN 다중 클래스 이미지 분류 모델을 언젠가 한 번 제대로 각 잡고 수정해야겠다는 생각이 있었다. 미루고 미루다가 드디어! 수정 작업을 시작하였다. 기능에는 큰 문제가 없었으나 클린 코드와 지나치게 동떨어진 느낌이 있어 이를 수정하고,
CH4_CNN & VGG16
합성곱 : 작은 필터를 이용해 이미지로부터 특징을 뽑아내는 알고리즘CNN : 합성곱층을 반복적으로 쌓아서 만든 인공 신경망커널 : 이미지 특징을 추출하기 위한 가중치 행렬.필터 : 커널들의 집합스트라이드(stride) : 커널의 이동거리특징맵 : 합성곱층의 결과. 즉

VGG 논문 리뷰
네트워크 depth 키우기3 × 3 Conv 필터 고정적으로 사용하기(1번과 중첩) 16~19 weight layers 사용하기3 × 3 필터로 2번 Convolution 하는 것과 5 × 5 필터로 1번 Convolution 하는 것은 동일한 사이즈의 Feature

VGG16
합성곱 기반, 레이어를 16개 쌓은 것이다. 이전에 학습을 했던 기억을 가져와 새로운 표본에서 특징을 추출하는 방식이다.특징 추출과 미세 조정을 한다.필터로 3x3 Convolution을 쓰는데, VGG16의 처리
🛫제주도 관광지 추천 모델
제주도 관광지 추천 모델은 여행지를 쉽게 선정하기위한 모델입니다.이미지, 자연어(카테고리, 키워드 등)을 이용해 유사도를 계산하고 여행지를 추천하는 시스템을 구현
.png)
VGG16모델 - 1
출처 https://neurohive.io/en/popular-networks/vgg16/해당 모델을 가장 쉽게 나타낸 그림이다.alexnet이후로 학계가 크게 일면서 딥러닝에 대한 연구가 꾸준히 있었고 지금까지 이어지고 있다.그중 지금 VGG를 다룰 것이다.