OpenCV 이미지 객체 추출

Introduce OpenCV About OpenCV 인텔사의 오픈 소스 컴퓨터 비전 라이브러리 01 About OpenCV Introduce OpenCV 인텔사의 오픈 소스 컴퓨터 비전 라이브러리 이미지 프로세싱 중점의 라이브러리 Platform : Window, Linux, ect

Goal ▶ Tensorflow의 정확성 증가 02 What to do with OpenCV?

Execution Environment 03 Libraries&Tools required by OpenCV Execution Environment Ubuntu + Essential Image I/O Video I/O Python Other third-party libraries GUI | Libraies & Tools | OpenCV

Algorithm & Order Algorithm 04 How to Extract Objects 그랩컷 알고리즘 그래프 컷을 기반으로 하는 이미지 세분화 방법 세그먼트 화 될 객체 주위의 사용자 지정 경계 상자에서 전경일 가능성이 있는 화소를 마크해 결과 영상을 생성함 정지 영상에서 전경 객체를 추출하기 원할 때 좋은 알고리즘

05 Book & Site Reference 참고 문헌 Robert Laganière, OpenCV2 Computer Vision Application Programming Cookbook, 2011 참고 사이트 WIKIPIDEIA, “OpenCV”, https://en.wikipedia.org/wiki/OpenCV (2017.09.06) Laz's Vision,” OpenCV 2.4.9 on Ubuntu 14.04”, http://karytech.blogspot.kr/2014/05/opencv-249-on-ubuntu-1404.html (2014.05.17)

Thank you

# Tensorflow 사용 김영훈

Slim 01 TensorFlow 라이브러리 소개 Presentation Title 02 Python, 모듈화 Lua, facebook, google. Slim Python CNN. Matlab, 02

CPU GPU Slim 02 Slim Presentation Title 1. 복잡한 모델 정의, 학습, 평가하기 위한 경량 라이브러리 2. Image classification에 사용되는 Deep Learning CNN 모델 제공 GPU 03

03 Presentation Title 준비물 Python TensorFlow Window Anaconda 04

이미지데이터 ->TFrecord변환 04 Presentation Title TFrecord 만들기 Title 01 Title 02 TFrecord Picture Picture 이미지데이터 ->TFrecord변환 05

Inception_v1 모델 05 사진 개수 30606개, 카테고리 256개 Presentation Title 모델 학습시키기 Inception_v1 모델 사진 개수 30606개, 카테고리 256개 1step = 25.752초 1000step = 약 25000초 = 6.9시간 06

06 Presentation Title 모델 평가하기 Accuracy(정확성) = 약 72%!! 07

07 Presentation Title 모델 사용하기 08

08 Presentation Title 기타 09

Thank you Name or Logo

00 참고 1. 텐서플로우 로고: https://www.tensorflow.org/ Presentation Title 참고 1. 텐서플로우 로고: https://www.tensorflow.org/ 2. keras 로고: https://keras.io/ 3. touch 로고 : http://pytorch.org/tutorials/ 참고 : https://euhyeji.blogspot.kr/2016/12/tensorflow-slim-0- intro.html

# Tensorflow 모델 생성 박윤아

CONTENTS #1.단계별 목표 #2.꽃분류 모델 학습 #3. 모델 평가

#단계별 목표 5가지 종류의 꽃을 분류하는 모델을 개발 모델 학습 모델 평가 학습된 모델을 이용하여 사진 한장을 분류

#0. 기본 설정 window10 anaconda : prompt는 파이썬 파일들을 실행 시킬 때 사용 개발에 필요한 기본설정 window10 anaconda : prompt는 파이썬 파일들을 실행 시킬 때 사용 spyder : 파이썬 파일의 코드를 수정할 때 사용 python 3.5 tensorflow 1.3 tensorflow – slim : tensorflow의 이미지 분류 라이브러리 inception-v3 : 이미지 분류에 사용되는 Deep Learning CNN 모델

#1.모델 학습-개요 1. dataset을 준비 3. TF record로 모델 학습 - 5개의 꽃이름 폴더를 생성 - 각각 120장의 jpg사진들 저장 2. jpg파일 -> TF record로 변경 -사진 한장씩 학습하거나 평가하기에는 비효율적, 여러 사진들을 하나의 바이너리 코드로 이루어진 TF record로 압축 -100장은 학습에 사용 -20장은 학습 후 평가에 사용 3. TF record로 모델 학습

#1.모델 학습

#1.모델 학습 학습 결과 생성된 파일들

#모델 평가 나머지 20장을 이용하여 학습된 모델을 평가 -> 80%의 정확도 2017-10-05 09:53:47.958949: I C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\kernels\logging_ops.cc:79] eval/Accuracy[0.8] 2017-10-05 09:53:47.958949: I C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\kernels\logging_ops.cc:79] eval/Recall_5[1]

#사진 한장 테스트

THANK YOU