find & classification

사용했던 데이터 전처리 코드

생성한 모델들로 이미지 예측코드

학습을 위해 사용한 코드

• simple cnn : 일반 cnn으로 학습
• transfer : 전이학습 이용
• gan : GAN 모델로 이미지 생성 학습

웹 개발을 위해 사용한 코드 및 데이터

셔츠 카라유형을 straight point, wide collar, etc로 분류하는 CNN 코드

크롤링한 셔츠 이미지를 셔츠 카라부분만 잘라서 이미지로 저장하는 코드

collar_v2_crop : 더 명확한 기준을 가진 셔츠 카라 이미지들로 라벨링한 것(카라부분만 잘려진 이미지)
mask_collars_crop_200x200 : 이미지 크기들이 조금씩 달라서 200x200으로 맞춘 마스크 이미지들(카라부분만 잘려진 마스크 이미지)

구조가 간단한 모델
필터 사이즈가 3x3으로 고정, 16개의 층으로 구성

skip connection, bottleneck을 이용한 모델
VGGNet보다 깊은 층으로 설계
특성맵들끼리 더하는 방식

어떤 모델에도 적용할 수 있는 SE Block을 활용한 모델
특성맵들을 1x1 사이즈로 squeeze, 상대적 중요도를 알아내는 excitation을 동작 convolution을 통해 생성된 특성을 채널당 중요도를 고려해서 재보정하는 것

데이터로 쓸 이미지들의 크기들이 조금씩 달라서 정해진 크기로 만들어주는 코드
200x200로 셔츠 카라부분만 crop해서 생성

특성맵끼리 concatenation을 시킨 모델
bottleneck 이용
ResNet보다 적은 파라미터

적은 데이터를 가지고도 정확한 Segmentation
U자형태의 모델, Contracting path+Expansive path
End-to-End 구조