예제_우유 판별하는 딥러닝 만들어보기(Alexnet)

0. 참고 영상

https://www.youtube.com/watch?v=60cllAUWIvI 

 

 

1. 데이터 수집

구글에서 흰우유, 초코우유, 바나나우유, 딸기우유 4개의 카테고리에 각각 15장의 jpg사진을 수집함.

우유.zip

6.87MB

 

 

2. 데이터 불러오기

editior: MATLAB 라이브 스크립트 이용

 

imds = imageDatastore('우유', 'IncludeSubfolders',true, 'LabelSource','foldernames'); [imdsTrain, imdsValidation] = splitEachLabel(imds, 0.7, 'randomized');

 

3. 이미지 확인

 

numTrainImages = numel(imdsTrain.Labels); idx = randperm(numTrainImages, 16); figure for i = 1:16 % 16개의 사진만 뽑아보기     subplot(4,4,i)     I = readimage(imdsTrain, idx(i));     imshow(I) end

 

 

 

4. 사전훈련된 신경망 불러오기

 

net = alexnet; % 여기서는 alexnet 신경망을 사용할 예정. % 설치가 되어있지 않다면 설치하기

 

5. 신경망 layer 및 input size 확인하기

 

net.Layers inputSize = net.Layers(1).InputSize % size는 227*227

 

 

 

6. 마지막 계층 바꾸기

 

layersTranfer = net.Layers(1:end-3); numClasses = numel(categories(imdsTrain.Labels)) % 클래스의 수 : 4개 (흰, 초코, 바나나, 딸기우유) % layer를 새로 생성하기 layers = [     layersTranfer     fullyConnectedLayer(numClasses, 'WeightLearnRateFactor', 20, 'BiasLearnRateFactor', 20)     % 파라미터들은 예제와 동일하게 20으로 둠.     softmaxLayer     classificationLayer];

 

7. 신경망 훈련시키기

 

7-1. 훈련 이미지 데이터 증강

 

pixelRange = [-30, 30]; imageAugmenter = imageDataAugmenter( ...     'RandXReflection',true, ...     'RandXTranslation',pixelRange, ...     'RandYTranslation',pixelRange); augimdsTrain = augmentedImageDatastore(inputSize(1:2),imdsTrain, ...     'DataAugmentation',imageAugmenter, ...     'ColorPreprocessing','gray2rgb');

 

7-2. 검증 이미지 데이터 증강

 

augimdsValidation = augmentedImageDatastore(inputSize(1:2), imdsValidation, ...     "ColorPreprocessing","gray2rgb");

 

8. 네트워크 옵션

 

options = trainingOptions('sgdm', ...     'MiniBatchSize',10, ...     'MaxEpochs',6, ...     'InitialLearnRate', 1e-4, ...     'Shuffle', 'every-epoch', ...     'ValidationData',augimdsValidation, ...     'ValidationFrequency',3,...     'Verbose',false,...     'Plots','training-progress');

 

9. 신경망 훈련

 

netTransfer = trainNetwork(augimdsTrain, layers, options)

 

 

 

10. 신경망 저장

 

save('netTransfer.mat', 'netTransfer')

 

 

11. 검증영상 분류

 

[YPred, scores] = classify(netTransfer, augimdsValidation); idx = randperm(numel(imdsValidation.Files),4); figure for i = 1:4 % 4개정도만 가져와서 검증해보기     subplot(2,2,i)     I = readimage(imdsValidation,idx(i));     imshow(I)     label = YPred(idx(i));     title(string(label)); end

 

 

 

12. 모델의 정확도 확인

 

YValidation = imdsValidation.Labels; accuracy = mean(YPred == YValidation) % 정확도는 62.5%로 다소 아쉬운 수치를 보였음

 

13. 실제 우유 사진을 촬영하여 정확도를 확인

 

I = imread("example.jpg"); figure imshow(I) inputSize = net.Layers(1).InputSize I = imresize(I, inputSize(1:2)); figure imshow(I) [label, scores] = classify(netTransfer, I); label classNames = netTransfer.Layers(end).ClassNames; figure imshow(I) title(string(label) + ", " + num2str(100*scores(classNames == label), 3) + "%");