개발환경
OS: window10
프레임워크: Pytorch
모델:mobilenet_v2
다음과 같은 개발환경에서 직접 데이터를 모은 custom data 10가지 클래스를 가지고 성능 테스트 진행중에 있습니다.
이번 포스팅에서 말하고 싶은 내용은 data augmentation이 정말 중요하다는 내용입니다.
teachablemachine.withgoogle.com/
Teachable Machine
Train a computer to recognize your own images, sounds, & poses. A fast, easy way to create machine learning models for your sites, apps, and more – no expertise or coding required.
teachablemachine.withgoogle.com
다음은 구글에서 만든 teachable machine인데 성능 비교를 teachable machine기준으로 테스트 하고 있습니다.
some improvements on deep convolutional neural network based image classification이라는 논문을 읽어보아도 data augmentation이 얼마나 중요한지 언급하고 있습니다.
Some Improvements on Deep Convolutional Neural Network Based Image Classification
We investigate multiple techniques to improve upon the current state of the art deep convolutional neural network based image classification pipeline. The techiques include adding more image transformations to training data, adding more transformations to
arxiv.org
따라서 pytorch에서 data augmentation 하는방법을 소개할려고 합니다.
Pytorch경우에는 torchvision에서 기본적으로 여러 data transforms을 할 수 있게 기능을 제공하고 있습니다.
pytorch.org/docs/stable/torchvision/transforms.html
torchvision.transforms — PyTorch 1.7.0 documentation
torchvision.transforms Transforms are common image transformations. They can be chained together using Compose. Additionally, there is the torchvision.transforms.functional module. Functional transforms give fine-grained control over the transformations. T
pytorch.org
직접 구현해본 데이터 augmentation입니다.
여러분들도 다양한 augmentation을 활용하여 이미지를 가공해서 모델의 성능을 올려보시면 좋을거 같습니다!
읽어주셔서 감사합니다.
추후에 내용 업데이트할 예정입니다.
'AI' 카테고리의 다른 글
| Distance-IOU Loss (DIOU) 논문 리뷰 (0) | 2021.07.12 |
|---|---|
| 오차역전파-1 (딥러닝) 곱셉노드, 덧셈노드 (0) | 2021.06.20 |
| CUDA Toolkit 삭제 & 다운(11.2 -> 11.1) (0) | 2021.03.23 |
| 딥러닝에서 필터의 개수는 왜 증가할까 (0) | 2021.01.27 |
| [논문 정리] mobilenetV2: Inverted Residuals and Linear Bottlenecks (1) | 2021.01.26 |