✅ 학습목표○ 얼굴영역 추출 방법 방법에 대해 학습한다○ 얼굴표정 인식 방법에 대해 학습한다○ 얼굴표정 인식 모델을 구현한다○ 실제 얼굴표정으로 인식 모델을 테스트한다 ✅ 얼굴표정인식의 중요성표정인식은 의사결정, 도덕적 판단, 기타 인지 과정에서 중요한 역할을 담당표정은 개인적인 경험이 아니고 문화와 역사에 의해 형성되므로 해석되고 표현되는 방식은 다양할 수 있음표정은 신체 건강과 관련이 있어 만성 스트레스나 장기간의 부정적인 표정상태는 신체에 악영향을 미침✅ 표정인식 방법인간은 눈으로 보여지는 데이터를 뇌가 처리하고 환경적 요인에 대한 일관된 표정에 대해 오랜기간동안 경험을 통해 개선된 능력을 통해 인식컴퓨터는 카메라의 시각정보를 디지털 데이터로 변환하여 이미지 분류를 통해 표정을 인식 ✅ 얼굴 표정인..

✅ 학습목표○ Mediapipe 라이브러리를 활용할 수 있다○ Mediapipe 라이브러리를 이용하여 얼굴 특성을 추출할 수 있다○ Mediapipe 라이브러리를 이용하여 동작 특성을 추출할 수 있다 ✅ Mediapipe 라이브러리를 이용한 얼굴 3D 데이터 추출라이브 및 스트리밍 미디어를 위한 플랫폼 간 사용자 지정 가능한 ML 솔루션을 제공mediapipe 라이브러리 : https://google.github.io/mediapipe/getting_started/python기능# 프롬프트 창에서 설치!pip install mediapipefrom google.colab import drivedrive.mount('/content/drive')%cd /content/drive/MyDrive/Colab N..

✅ 학습 목표이미지 데이터 라벨링 (roboflow)YOLO7으로 라벨링된 데이터 학습객체 탐지 및 인식📌 객체 탐지 (Object Detection)컴퓨터 비전과 이미지 처리 기술을 이용해서 객체의 위치를 탐지하는 기술객체 탐지를 위해서는 라벨 (annotation) 된 데이터 셋을 학습해야 함📌 객체 인식 (Object Recognition)탐지된 객체가 무엇인지 측정하는 기술학습된 모델을 활용📌 객체 탐지 기술two-stage detector : 객체 탐지와 인식(분류)를 순차적으로 따로 수행하는 방법정확도는 높지만 속도가 느림R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNNone-stage detector : 객체 탐지와 인식(분류)를 동시에 수행하는 방법two-..

✅ 목표 설정앞서 만든 NPZ 파일을 불러와서 사용해 보자CNN(합성곱 신경망)을 구현해 보자신경망 성능 개선 및 전이 학습을 진행해 보자# 드라이브 마운트from google.colab import drivedrive.mount('/content/drive')!pwd%cd /content/drive/MyDrive/Colab Notebooks/Deep Learningimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt# npz 파일 로딩data = np.load('data/cats_dogs.npz')data# 데이터 분할X_train = data['X_train']X_test = data['X_test']y_train = data['y..

✅ 목표 설정코드에서 압축 파일 다루는 법을 알아 보자.정답이 없는 이미지 파일의 정답을 추가해 보자.NPZ 파일을 만들어 보자.# 드라이브 마운트from google.colab import drivedrive.mount('/content/drive')# 드라이브 위치 확인!pwd# 드라이브 위치 변경%cd /content/drive/MyDrive/Colab Notebooks/Deep Learning# 필요한 라이브러리 가져오기import pandas as pdimport numpy as npfrom matplotlib import pyplot as plt# 압축된 파일을 가져와서 압축을 풀어주자from zipfile import ZipFilezip_file = 'data/cats_and_dogs_fil..

✅ CNN(Convolutional Neural Network)​ https://setosa.io/ev/image-kernels/ Image Kernels explained visuallyAn image kernel is a small matrix used to apply effects like the ones you might find in Photoshop or Gimp, such as blurring, sharpening, outlining or embossing. They're also used in machine learning for 'feature extraction', a technique for determining thesetosa.io ✅ CNN의 오차 역전파 (Error Backpr..