Mnist Hands-on (4/4) - 직접쓴 숫자 넣어보기, 어디에 적용할까

앞에서 이어집니다

     1. Mnist data 살펴보기
     2. Mnist - DNN(Deep Neural Network)로 학습해보기
     3. Mnist - CNN으로 학습해서 정확도 높이기
     4. 직접쓴 숫자 넣어보기, 연구 적용 고민

학습된 모델을 활용해 보아야 겠죠 ?

직접쓴 숫자 몇개를 카메라로 찍은후 정사각형 모양으로 잘라내어 png로 저장하였습니다.

이번에는 OpenCV 라이브러리가 필요합니다.

그런데 라이브러리 이름은 cv2 여서 조금 헤깔릴 수 있습니다.

실습파일에는 일반환경(anaconda 등)에서 쓸 수 있는 코드도 넣어두었지만, 여기서는 colab 환경만 다루도록 하겠습니다.

일반환경에서는 동일 폴더에 png 파일을 두고 불러올 수 있지만 colab에서는 upload를 해주거나 파일이 들어있는 구글드라이브와 mount를 해주어야 합니다.

간편하게 파일 업로드 기능을 이용하여 png 파일을 올리고, 파일을 불러옵니다.

사진의 크기가 임의로 들어가있을 텐데, 28x28 픽셀로 맞춰주고, CNN 모델에 넣을 수 있는 형태로 변환해줍니다.

 결과가 잘 나왔네요.

 아무래도 Mnist 데이터셋처럼 깔끔하게 정리되어있는 이미지가 아니기 때문에, 학습 정확도만큼의 성능이 발휘되지는 않을 것입니다.



그렇다면 CNN은 어디에 적용할 수 있을 까요 ?

제 분야에서 이미지를 활용한 logistic regression을 적용할만한 곳을 고민해보았습니다.

열화상 이미지를 가지고 차량 종류를 분류하여 교통 데이터를 생성한다거나,

포장의 상태를 자동으로 분류할 수 있을 것입니다.

분류를 할 수 있다는 것은 YOLO 처럼 인식하는 것으로 활용될 수 있다는 것이며, 그렇다면 활용할 수 있는 부분은 더욱 많을 것입니다.

감사합니다.




---------- <CODE> ------------------
# OpenCV 라이브러리
import cv2
from google.colab.patches import cv2_imshow

# 파일 업로드 기능
from google.colab import files
uploaded = files.upload()

#혹은 구글드라이브 연결
from google.colab import drive
drive.mount('/content/drive')

#파일열기
img = cv2.imread('/content/6.PNG',  cv2.IMREAD_GRAYSCALE) #경로와 이름 잘 맞추기
cv2_imshow(img)

# 손글씨 사진 크기 조절하기
img = cv2.resize(255-img, (28, 28))
img.shape

test_num = img.flatten()/255.0
test_num = test_num.reshape((-1, 28, 28, 1))
test_num.shape

print('The answer is ', model.predict_classes(test_num))
plt.show()