계획서 업로드 [강현준, 권은진, 김효은, 하미르] 라즈베리파이에 이미지 프로세싱 딥러닝을 적용한 자동화 계산 시스템
중간보고서(논문) 업로드 [강현준, 권은진, 김효은, 하미르] 이미지 인식 딥러닝을 적용한 자동화 계산 시스템_중간보고서(논문)
simple_convnet 원본코드 업로드
params.pkl->params.csv 프로그램의 속도보장을 위해 python->c++ 컨버팅 작업이 필요함 python 코드에서 가중치를 pickle 파일에 저장하는데 c++에서는 pickle 파일을 읽는 데에 어려움이 있음 pickletools라는 라이브러리가 있지만 에러가 많고, 자바, 파이썬, C++ 여러 언어를 지원해 무겁기 때문에 속도를 올리기 위한 컨버팅 작업에는 적절하지 않음 그래서, 파라미터를 저장하는 부분을 csv로 바꿔 C++에서 그 파일로 읽기위해 params.pkl을 params.csv로 바꾸는 코드를 추가함
params.pkl->params.txt 입력처리할 때 csv파일로 읽으면 속도가 느림 이 또한 속도를 올리기 위한 컨버팅 작업의 목적에 맞지 않기 때문에 params.pkl 파일을 csv 파일이 아닌 txt 파일로 바꿈
python test 코드 추가 test하는 부분만 골라내기 위해 python test 코드를 추가(test.py), simple_convnet 내용 추가
python test 폴더 추가 python test 폴더에는 test에 필요하지 않은 train 부분을 삭제함
make_img.py 추가 이미지를 불러와 (32,32,3)의 크기로 resize한 후 input.txt에 저장함
simple_convnet_cpp 코드 추가 1) layers.hpp : Convolution, ReLu, Normalization, Pooling, DW_Conv등 각 layer가 구현 2) SimpleConvNet.hpp : 딥러닝 모델이 구현 3) input.txt : make_img.py코드로 만든 이미지를 (32,32,3)의 크기로 만들어 txt파일로 저장 4) pred.txt : 1개의 이미지만 넣으면 예측이 되지않아 dummy를 같이 읽어서 처리함. 출력은 되지않음 5) params.txt : 속도향상을 위해 params.pkl파일을 params.txt로 변환 6) main.cpp *c++ 컴파일러 버전 11이상 *프로젝트 생성 시 sdl 검사 체크 해제
google_image_crwaling 코드 추가 필요한 데이터셋을 만들기 위한 google_image_crwaling 코드 추가
chrome_crwaling 확장프로그램 추가 앞서 만든 코드는 1회에 20장의 사진만 다운로드 가능 데이터셋을 만들기 위해서는 훨씬 더 방대한 양의 데이터가 필요함 googel chrome의 확장프로그램을 활용한 구글 이미지 검색 결과 크롤링 프로그램 구현
simple_convnet_rasberryPi 코드 추가 라즈베리파이에서 구동되는 코드 추가 make_img.py에서는 라즈베리파이에 연결된 카메라가 촬영을 하면 그 사진을 32*32*3 사이즈로 resize해준 후 input.txt파일로 변환해줌 main.cpp에서 convnet 코드 실행 predict.sh 쉘파일로 전체 실행
dataset 추가 image_process.py : cropping을 통해 정사각형 형태를 만들고 32*32 크기로 resize, 사진 반전, 회전을 통해 사진 1개당 8개의 데이터를 생성 크롤링을 통해 휴지, 소주, 캔음료, 라면, 삼각김밥 각각 500개씩의 이미지를 다운받음 한 카테고리당 4000개의 데이터를 생성
data.bin.gz 직접 만든 데이터셋. 32*32의 이미지를 rgb로 분리하여 이미지 1개당 3072개의 데이터, 1개의 label을 포함하여 3073개의 데이터를 갖음
params.pkl 추가 제작한 데이터셋을 트레이닝하고 나온 가중치를 저장한 params.pkl 파일 추가
simple_convnet_rasberryPi 코드 추가 인식한 결과에 따라 계산서가 나오도록 코드를 추가
README.md
2.85 KB