Showing
1 changed file
with
50 additions
and
51 deletions
| ... | @@ -11,9 +11,9 @@ Supported Platforms & Test Environments | ... | @@ -11,9 +11,9 @@ Supported Platforms & Test Environments |
| 11 | --------------------------------------------------------------------------------------------------------------------------------- | 11 | --------------------------------------------------------------------------------------------------------------------------------- |
| 12 | 12 | ||
| 13 | >Raspberry Pi 3 Model B | 13 | >Raspberry Pi 3 Model B |
| 14 | -Paspberry Pi Camera Rev. 1.3 | 14 | +>Paspberry Pi Camera Rev. 1.3 |
| 15 | -Ubuntu MATE 16.04.2 | 15 | +>Ubuntu MATE 16.04.2 |
| 16 | -C++ 컴파일러 버전 11이상 | 16 | +>C++ 컴파일러 버전 11이상 |
| 17 | 17 | ||
| 18 | 18 | ||
| 19 | Application Project Setup | 19 | Application Project Setup |
| ... | @@ -41,84 +41,83 @@ Detail | ... | @@ -41,84 +41,83 @@ Detail |
| 41 | --------------------------------------------------------------------------------------------------------------------------------- | 41 | --------------------------------------------------------------------------------------------------------------------------------- |
| 42 | 42 | ||
| 43 | >1. 계획서 업로드 | 43 | >1. 계획서 업로드 |
| 44 | -[강현준, 권은진, 김효은, 하미르] 라즈베리파이에 이미지 프로세싱 딥러닝을 적용한 자동화 계산 시스템 | 44 | +>[강현준, 권은진, 김효은, 하미르] 라즈베리파이에 이미지 프로세싱 딥러닝을 적용한 자동화 계산 시스템 |
| 45 | 45 | ||
| 46 | 46 | ||
| 47 | ->2. 중간보고서(논문) 업로드 | 47 | +>>2. 중간보고서(논문) 업로드 |
| 48 | -[강현준, 권은진, 김효은, 하미르] 이미지 인식 딥러닝을 적용한 자동화 계산 시스템_중간보고서(논문) | 48 | +>[강현준, 권은진, 김효은, 하미르] 이미지 인식 딥러닝을 적용한 자동화 계산 시스템_중간보고서(논문) |
| 49 | 49 | ||
| 50 | 50 | ||
| 51 | ->3. simple_convnet 원본코드 업로드 | 51 | +>>3. simple_convnet 원본코드 업로드 |
| 52 | 52 | ||
| 53 | 53 | ||
| 54 | ->4. params.pkl->params.csv | 54 | +>>4. params.pkl->params.csv |
| 55 | -프로그램의 속도보장을 위해 python->c++ 컨버팅 작업이 필요함 | 55 | +>프로그램의 속도보장을 위해 python->c++ 컨버팅 작업이 필요함 |
| 56 | -python 코드에서 가중치를 pickle 파일에 저장하는데 c++에서는 pickle 파일을 읽는 데에 어려움이 있음 | 56 | +>python 코드에서 가중치를 pickle 파일에 저장하는데 c++에서는 pickle 파일을 읽는 데에 어려움이 있음 |
| 57 | -pickletools라는 라이브러리가 있지만 에러가 많고, 자바, 파이썬, C++ 여러 언어를 지원해 무겁기 때문에 속도를 올리기 위한 컨버팅 작업에는 적절하지 않음 | 57 | +>pickletools라는 라이브러리가 있지만 에러가 많고, 자바, 파이썬, C++ 여러 언어를 지원해 무겁기 때문에 속도를 올리기 위한 컨버팅 작업에는 적절하지 않음 |
| 58 | 그래서, 파라미터를 저장하는 부분을 csv로 바꿔 C++에서 그 파일로 읽기위해 params.pkl을 params.csv로 바꾸는 코드를 추가함 | 58 | 그래서, 파라미터를 저장하는 부분을 csv로 바꿔 C++에서 그 파일로 읽기위해 params.pkl을 params.csv로 바꾸는 코드를 추가함 |
| 59 | 59 | ||
| 60 | 60 | ||
| 61 | ->5. params.pkl->params.txt | 61 | +>>5. params.pkl->params.txt |
| 62 | -입력처리할 때 csv파일로 읽으면 속도가 느림 | 62 | +>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 |
| 63 | -이 또한 속도를 올리기 위한 컨버팅 작업의 목적에 맞지 않기 때문에 params.pkl 파일을 csv 파일이 아닌 txt 파일로 바꿈 | ||
| 64 | 63 | ||
| 65 | 64 | ||
| 66 | ->6. python test 코드 추가 | 65 | +>>6. python test 코드 추가 |
| 67 | -test하는 부분만 골라내기 위해 python test 코드를 추가(test.py), simple_convnet 내용 추가 | 66 | +>test하는 부분만 골라내기 위해 python test 코드를 추가(test.py), simple_convnet 내용 추가 |
| 68 | 67 | ||
| 69 | 68 | ||
| 70 | ->7. python test 폴더 추가 | 69 | +>>7. python test 폴더 추가 |
| 71 | -python test 폴더에는 test에 필요하지 않은 train 부분을 삭제함 | 70 | +>python test 폴더에는 test에 필요하지 않은 train 부분을 삭제함 |
| 72 | 71 | ||
| 73 | 72 | ||
| 74 | ->8. make_img.py 추가 | 73 | +>>8. make_img.py 추가 |
| 75 | -이미지를 불러와 (32,32,3)의 크기로 resize한 후 input.txt에 저장함 | 74 | +>이미지를 불러와 (32,32,3)의 크기로 resize한 후 input.txt에 저장함 |
| 76 | 75 | ||
| 77 | 76 | ||
| 78 | ->9. simple_convnet_cpp 코드 추가 | 77 | +>>9. simple_convnet_cpp 코드 추가 |
| 79 | - 1) layers.hpp : Convolution, ReLu, Normalization, Pooling, DW_Conv등 각 layer가 구현 | 78 | +> 1) layers.hpp : Convolution, ReLu, Normalization, Pooling, DW_Conv등 각 layer가 구현 |
| 80 | - 2) SimpleConvNet.hpp : 딥러닝 모델이 구현 | 79 | +> 2) SimpleConvNet.hpp : 딥러닝 모델이 구현 |
| 81 | - 3) input.txt : make_img.py코드로 만든 이미지를 (32,32,3)의 크기로 만들어 txt파일로 저장 | 80 | +> 3) input.txt : make_img.py코드로 만든 이미지를 (32,32,3)의 크기로 만들어 txt파일로 저장 |
| 82 | - 4) pred.txt : 1개의 이미지만 넣으면 예측이 되지않아 dummy를 같이 읽어서 처리함. 출력은 되지않음 | 81 | +> 4) pred.txt : 1개의 이미지만 넣으면 예측이 되지않아 dummy를 같이 읽어서 처리함. 출력은 되지않음 |
| 83 | - 5) params.txt : 속도향상을 위해 params.pkl파일을 params.txt로 변환 | 82 | +> 5) params.txt : 속도향상을 위해 params.pkl파일을 params.txt로 변환 |
| 84 | - 6) main.cpp | 83 | +> 6) main.cpp |
| 85 | - *c++ 컴파일러 버전 11이상 | 84 | +>*c++ 컴파일러 버전 11이상 |
| 86 | - *프로젝트 생성 시 sdl 검사 체크 해제 | 85 | +> *프로젝트 생성 시 sdl 검사 체크 해제 |
| 87 | 86 | ||
| 88 | 87 | ||
| 89 | ->10. google_image_crwaling 코드 추가 | 88 | +>>10. google_image_crwaling 코드 추가 |
| 90 | -필요한 데이터셋을 만들기 위한 google_image_crwaling 코드 추가 | 89 | +>필요한 데이터셋을 만들기 위한 google_image_crwaling 코드 추가 |
| 91 | 90 | ||
| 92 | 91 | ||
| 93 | ->11. chrome_crwaling 확장프로그램 추가 | 92 | +>>11. chrome_crwaling 확장프로그램 추가 |
| 94 | -앞서 만든 코드는 1회에 20장의 사진만 다운로드 가능 | 93 | +>앞서 만든 코드는 1회에 20장의 사진만 다운로드 가능 |
| 95 | -데이터셋을 만들기 위해서는 훨씬 더 방대한 양의 데이터가 필요함 | 94 | +>데이터셋을 만들기 위해서는 훨씬 더 방대한 양의 데이터가 필요함 |
| 96 | -googel chrome의 확장프로그램을 활용한 구글 이미지 검색 결과 크롤링 프로그램 구현 | 95 | +>googel chrome의 확장프로그램을 활용한 구글 이미지 검색 결과 크롤링 프로그램 구현 |
| 97 | 96 | ||
| 98 | 97 | ||
| 99 | ->12. simple_convnet_rasberryPi 코드 추가 | 98 | +>>12. simple_convnet_rasberryPi 코드 추가 |
| 100 | -라즈베리파이에서 구동되는 코드 추가 | 99 | +>라즈베리파이에서 구동되는 코드 추가 |
| 101 | -make_img.py에서는 라즈베리파이에 연결된 카메라가 촬영을 하면 그 사진을 32*32*3 사이즈로 resize해준 후 input.txt파일로 변환해줌 | 100 | +>make_img.py에서는 라즈베리파이에 연결된 카메라가 촬영을 하면 그 사진을 32*32*3 사이즈로 resize해준 후 input.txt파일로 변환해줌 |
| 102 | -main.cpp에서 convnet 코드 실행 | 101 | +>main.cpp에서 convnet 코드 실행 |
| 103 | -predict.sh 쉘파일로 전체 실행 | 102 | +>predict.sh 쉘파일로 전체 실행 |
| 104 | 103 | ||
| 105 | 104 | ||
| 106 | ->13. dataset 추가 | 105 | +>>13. dataset 추가 |
| 107 | -image_process.py : cropping을 통해 정사각형 형태를 만들고 32*32 크기로 resize, 사진 반전, 회전을 통해 사진 1개당 8개의 데이터를 생성 | 106 | +>image_process.py : cropping을 통해 정사각형 형태를 만들고 32*32 크기로 resize, 사진 반전, 회전을 통해 사진 1개당 8개의 데이터를 생성 |
| 108 | -크롤링을 통해 휴지, 소주, 캔음료, 라면, 삼각김밥 각각 500개씩의 이미지를 다운받음 | 107 | +>크롤링을 통해 휴지, 소주, 캔음료, 라면, 삼각김밥 각각 500개씩의 이미지를 다운받음 |
| 109 | -한 카테고리당 4000개의 데이터를 생성 | 108 | +>한 카테고리당 4000개의 데이터를 생성 |
| 110 | 109 | ||
| 111 | 110 | ||
| 112 | ->14. data.bin.gz | 111 | +>>14. data.bin.gz |
| 113 | -직접 만든 데이터셋. 32*32의 이미지를 rgb로 분리하여 이미지 1개당 3072개의 데이터, 1개의 label을 포함하여 3073개의 데이터를 갖음 | 112 | +>직접 만든 데이터셋. 32*32의 이미지를 rgb로 분리하여 이미지 1개당 3072개의 데이터, 1개의 label을 포함하여 3073개의 데이터를 갖음 |
| 114 | 113 | ||
| 115 | 114 | ||
| 116 | ->15. params.pkl 추가 | 115 | +>>15. params.pkl 추가 |
| 117 | -제작한 데이터셋을 트레이닝하고 나온 가중치를 저장한 params.pkl 파일 추가 | 116 | +>제작한 데이터셋을 트레이닝하고 나온 가중치를 저장한 params.pkl 파일 추가 |
| 118 | 117 | ||
| 119 | 118 | ||
| 120 | ->16. simple_convnet_rasberryPi 코드 추가 | 119 | +>>16. simple_convnet_rasberryPi 코드 추가 |
| 121 | -인식한 결과에 따라 계산서가 나오도록 코드를 추가 | 120 | +>인식한 결과에 따라 계산서가 나오도록 코드를 추가 |
| 122 | 121 | ||
| 123 | 122 | ||
| 124 | ->17. 최종 발표 ppt 및 데모 영상 추가 | ||
| ... | \ No newline at end of file | ... | \ No newline at end of file |
| 123 | +>>17. 최종 발표 ppt 및 데모 영상 추가 | ||
| ... | \ No newline at end of file | ... | \ No newline at end of file | ... | ... |
-
Please register or login to post a comment