메인메뉴로 이동 본문으로 이동

lnb영역

데이터사이언스
과정

컨텐츠 내용

  1. 수강신청
  2. 과정정보

Case Study-Python Deep Learning Image Prediction

과정 이미지
Case Study-Python Deep Learning Image Prediction 과정정보
수강기간 30일
강의구성 1차시
수강료 무료
과정소개

 

 * 본 강의는 데이터캠퍼스 유료회원만 신청이 가능한 과정입니다.

 

유료회원은 이용하고자 하는 케이스 강의를 신청 해주시면 관리자가 확인 후 수강이 가능하도록 조치해 드립니다.

평일 근무시간 기준으로 1시간 이내 수강 가능하며, 주말에는 월요일 오전 중에 수강이 가능하도록 조치해드립니다.

 

######### 과제 소개 ############


본 과제는 Python으로 딥러닝 중 이미지 분류예측을 CNN모델 기반으로 수행하는 소과제 풀이 영상입니다. 

데이터사이언스 Python의 딥러닝 강좌 중 CNN모델 원리와 실습, openCV로 이미지 전처리하기, DNN와 CNN의 이미지 분류 실습 까지 수강하신 분 중 본인의 실력테스트 및 실전 데이터를 다루는 연습을 하고자 하는 수강생들에게 적합한 과제입니다. 


데이터설명: 페리와 종이배 사진  


소과제 내용: 


1. 원본 이미지들을 일괄적으로 84*84 사이즈의 흑백 이미지로 변환하여 Train, Test로 분류하시오

    1) Train Data는 img01.jpg~img20.jpg, Test Data는 img21.jpg~img30.jpg 파일로 배정하시오

    2) 이미지 축소 시 Interpolation은 INTER_AREA를 사용하시오

    3) 페리의 Train Data는 image/trainSet/0_ferry에, Test Data는 image/testSet/0에 저장하시오

    4) 종이배의 Train Data는 image/trainSet/1_paperboat에, Test Data는 image/testSet/1에 저장하시오

    5) Train Data의 파일명은 img01.jpg~img20.jpg, Test Data의 파일명은 img01.jpg~img10.jpg로 지정하시오

    6) 모든 과정을 for문으로 처리하여 일괄적으로 진행되도록 하시오 (단, 페리 파트와 종이배 파트는 각각 진행되도록 하시오)


2. CNN 학습을 통해 페리와 종이배를 분류하시오

    1) Epoch Size, Batch Size: 10

    2) Learning Rate: 0.001

    3) Layer 1, Layer 2, Layer 3, Fully-connected layer로 구성

    4) Layer 1 필터: 3*3, 단일 색상 총 32개, Max-Pooling Stride: 2


3. 학습 과정에서의 Loss 변동 그래프를 작성하시오


4. 학습된 Train Data와 Test Data에 대한 Confusion Matrix를 작성하시오


5. 학습된 Train Data와 Test Data에 대한 Classification Report를 작성하시오

        


학습목표
Python으로 이미지 분류 딥러닝 모델 CNN 100% 수행하기!
강의목차
차시 강의명 학습시간
1차시 Python 딥러닝 이미지 예측 #14 38분