딥러닝을 이용한 이미지 분류 실습(Google, Inception)

구글의 Inception을 이용하여 이미지 분류 실습을 해보았다.

처음 아나콘다 파이참 설치부터 Tensorflow 패키지 설치까지 겪었던 내용과 인셉션의 시각 인지 기능 Top5가 어떻게 나오고 느낀 점이 무엇인지 정리해보려고 한다.

<GoogleLeNet>

 

개발환경은 파이썬&아나콘다, PyCharm으로 진행하게 되었다.

텐서플로우 패키지를 설치하고 잘 설치 되어있는 지 확인하기 위해 TensorflowCheck.py를 만들어서

tensorflow를 import해주고 잘 적용 되는지 test를 해보는 과정에서 여러가지의 에러가 발생하였다.

 

1. 설치 버전이 호환이 안되면 패키지 설치가 되지를 않았다.

따라서, anaconda prompt를 열어서 직접 pip명령어를 입력해서 수동설치를 진행하였다

여기서 버전이 또 다르게 입력하여 3번 정도 uninstall한 후 다시 설치를 하게 되었다...후^^

 

2. 그리고 제대로 설치를 한 후 파이참 실행 후 프로젝트를 생성할 때 모르고 3.8버전으로 실행하여 패키지 설치가 안되었다는 것을 알게 되었다. 그래서 파이참 3.7버전으로 다시 설치를 한 후 패키지 다운을 하였더니 제대로 설치가 되었다. 

 

텐서플로우 패키지를 제대로 설치를 한 후 내가 구동해야 하는 Inception 파일을 다운 받고 이 인셉션 폴더에 imagenet이라는 폴더를 따로 만들었다.

 

그리고 inception모델을 다운로드 해주기 위해 classify.py를 작동시키고

다운이 되었으면 , 

코드를 봐서 이미지 경로를 설정해주는 것이 있다.

경로에 들어가서 이미지 이름을 바꾸어서 테스트를 해보았다

딱히 어떤 사진을 해보아야 될 지 몰라 아무 사진이나 골라 실행을 시켰다.

 

1. 차은우 농구 사진

 

result -> 

*결과 정리

-일단 인셉션의 딥러닝 되어있는 것 들 중에 농구공일 확률이 80%로 나왔다. 만약 사람을 인식할 수 있는 모델이었고, output에 차은우 데이터가 학습되어있다면 차은우로 인식될 수 있었을 것이다.

 

2. 귀여운 판다 사진

result->

*결과 정리

-높은 확률로 판다라고 나오는 것을 확인 할 수 있었다(87.8%)

 

Tensorflow 패키지를 설치하고, inception을 작동시켜 이미지를 인식하는 AI에 대해 학습해보았다. 

텐서플루우 기반으로 Inception 외의 AI를 구현해보면 여러가지 사물, 사람 등을 시각적으로 인식할 수 있다는 것을 알게 되었다. 아직 작동하는 코드를 읽는 데에는 부족한 점이 많다. 이해가 아직 덜 된 것 같다..

여러가지 다른 예제들로 더 학습해 보아야 겠다!