딥러닝7 [Tensorflow] 이미지/AutoEncoder/UNet - 초록색 잎을 보라색으로 바꾸기 이번 프로젝트는 저번 프로젝트에 이어 U-Net 구조의 Autoencoder를 활용한 개인 프로젝트를 진행합니다. 개요는 다음과 같습니다. 1. 웹에서 나무(또는 풀)이 포함된 사진 200개 크롤링 2. Pinkl 앱으로 1번의 사진에 Plum.V라는 필터를 씌워 초록색 잎들을 다 보라색으로 변형한 데이터 셋을 만든다. RGB image = cv2.resize(image,(256,256), interpolation=cv2.INTER_AREA) except Exception as e: print(str(e)) image = np.array(image) train_green.append(image) train_green = np.array(train_green, dtype="float32") train_gr.. 2021. 3. 5. [Tensorflow] 이미지/AutoEncoder/UNet - 오토인코더로 그림 인코딩, 디코딩 하기 이번 프로젝트는 오토인코더(Auto Encoder)를 활용하여 이미지를 출력하도록 모델을 학습시키는 기초적인 연습을 해보려 합니다. 08. 오토인코더 (AutoEncoder) 이번 포스팅은 핸즈온 머신러닝 교재를 가지고 공부한 것을 정리한 포스팅입니다. 08. 오토인코더 - Autoencoder 저번 포스팅 07. 순환 신경망, RNN에서는 자연어, 음성신호, 주식과 같은 연속적인 데 excelsior-cjh.tistory.com 제가 이론을 공부할 때 참고한 블로그입니다. 잘 정리되어 있어요. 이번 프로젝트에서는 조금 새롭게 렌더링된 이미지를 사용합니다. 128x128픽셀 이미지가 아닌 조금 더 큰 사이즈의 이미지에, 128x128 이미지 때와 크기는 같은 구가 랜덤한 위치에 렌더링되어 있습니다. 해당.. 2021. 3. 3. [Tensorflow] 이미지/CNN/다중입력 - 무작위로 렌더링한 구의 속성 학습하기 * 지난 프로젝트 : goeden.tistory.com/35에서 생략된 코드 확인 가능 지난 프로젝트에 이어, 더 정확한 예측을 위해 렌더링 환경이미지를 추가로 입력해 보겠습니다. 학습 시에도 렌더링 환경이미지를 추가로 입력하고 테스트 시에도 렌더링 환경이미지를 추가로 입력합니다. 1. openGL을 활용하여 구(sphere)를 20,000개 렌더링한다. 2. 렌더링에서 무작위로 설정하는 속성 parameter 5개는 순서대로 R(red), G(green), B(blue), metallic(금속재질), roughness(표면의 거친 정도)를 나타내며, 이를 label로 저장한다. 3. 위에서 만든 구 이미지와 렌더링 환경이미지, label(parameter 값)을 train set으로 저장한다. 4. t.. 2021. 1. 14. AlphaFold deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology AlphaFold: a solution to a 50-year-old grand challenge in biology In a major scientific advance, the latest version of our AI system AlphaFold has been recognised as a solution to this grand challenge by the organisers of the biennial Critical Assessment of protein Structure Prediction (CASP) assessment. T.. 2020. 12. 31. [Tensorflow] 이미지/CNN/회귀 - 무작위로 렌더링한 구의 속성 학습하기 visualization lab에서의 첫번째 deep learning (딥러닝) 프로젝트를 소개합니다. 우선 이 프로젝트가 어떤 프로젝트인지부터 간략하게 설명하겠습니다. 1. openGL을 활용하여 구(sphere)를 20,000개 렌더링한다. 2. 렌더링에서 무작위로 설정하는 속성 parameter 5개는 순서대로 R(red), G(green), B(blue), metallic(금속재질), roughness(표면의 거친 정도)를 나타내며, 이를 label로 저장한다. 3. 위에서 만든 구 이미지와 label(parameter 값)을 train set으로 저장한다. 4. test set에 해당하는 1,000개의 구와 1,000쌍(5개씩)의 label을 렌더링-저장한다. 5. 20,000개의 구를 tens.. 2020. 11. 18. [Tensorflow] 환경 구축 아나콘다(Anaconda) 설치, 텐서플로(Tensorflow) 설치, 주피터 노트북(jupyter notebook) 사용 설정 등은 아래 페이지를 참고하였습니다. [Setup] 딥러닝 개발 환경 구축 한방에 끝내기 개요 딥러닝이라는 긴 여정을 위한 첫 단계. 딥러닝 개발 환경 구축을 위한 포스팅입니다. 환경설정 때문에 시간을 뺐기거나 귀차니즘을 최소화 하고자 가급적 모든 내용을 총정리합니다. 목차 theorydb.github.io 가상 환경 내에 tensorflow가 존재하지 않는다는 메세지가 뜰 경우, cmd에서 아래 명령어를 실행해보세요. pip install tensorflow --user pip show tensorflow # python3 --> pip3 2020. 11. 7. [Visualization Lab] 인공지능/머신러닝/딥러닝 이론, 기초 공부법 인공지능이 무엇인지조차 모르던 제가 딥러닝-그래픽스 연구에 참여하기 전 이론을 공부한 방법입니다. 저 같은 경우에는 이것 다음에 무엇을 공부해야할지 모르겠을 때 물어볼 수 있는 선배가 있었지만, 그렇지 않을 때에는 막막함이 느껴질 것 같아 준비해 보았습니다, 저의 기초 이론 공부 과정!! 공부 시작 전 알아둘 기초 상식 정확한 개념 정의는 아니지만 이해하기 쉽게 간단히 정리해보자면, 인공지능 : 기계들이 인간의 사고를 모방하는 것 머신러닝 : 컴퓨터가 스스로 학습하는 것 (규칙을 찾거나 예측) 딥러닝 : 인공신경망을 이용하여 학습하는 것, 학습데이터도 스스로 학습하여 데이터 제공이 필요 없음 정도로 얘기할 수 있겠네요. 더 직관적인 설명이 있다면, 댓글에 남겨주세요. 시각적인 수학 개념 학습은 Youtu.. 2020. 10. 15. 이전 1 다음
