#10월 일상&프로젝트

- eat -

 

오늘은 오랜만에 이디야에 손님으로 왔어요~!

달고나 아이스크림 와플이랑 아샷추를 주문했습니다.

요새는 우유 들어간 커피는 안 끌려서요.

달고나 와플에는 정말 달고나 토핑이 올라가요.

진짜 오랜만에 단거를 먹어서 이가 녹는 줄 알았어요ㅋㅋㅋ

와플에 바닐라아이스크림이라니 맛없을 수 없는 조합이죠^^

폴바셋, 투썸에 크로플 나왔던데 조만간 갈거에요.

펀쿨섹한 아메리카노는 써서 못먹는 저는 아샷추가 있어 행복합니다 : ) 

분홍 텀블러도 이번에 구매했어요 예쁘죠?

아니라고요? ㅠㅠ 예뻐요~~~~!

그런데 뚜껑이 뻑뻑해서 흠이에요(비추)

 

홈카페로 아샷추를 해먹기도 해요.

립톤 1스푼(통에 들어있는 계량스푼)

+ 이디야비니스트오리지널 2포

+ 물 200ml

+ 얼음많이많이

→ 아샷추완성~!

물론 사먹는게 더 맛있긴 합니다만

주머니가 가벼워지는 걸 막을 수 있어서 애용한답니다.ㅎㅎㅎ

 

- study -

와플부터 다 해치워버리고~~~

텐서플로우를 이용한 이미지 분류 학습을 시키기 위해

이미지 데이터 정제 작업을 하러 왔어요.

이전에 데이터셋 이미지를 구글 이미지들을 다운받아서

그대로 학습이미지로 왜곡 옵션을 추가해서 사용했었어요.

그런데 인식률이 안좋았어요.ㅠㅠ

 

그래서 한 물체를 동영상 촬영해서

여러 각도를 100장 만들어서 데이터셋으로 사용하는 삽질도 했는데..

제가 촬영한 특정 각도랑 크기여야면 인식이 겨우 되는 문제가 발생하고,

valid accuracy 값은 100%가 나오는... 불안한 상황이었습니다.

 

멘토님께 상황을 설명하고 조언을 구했는데,

저희 모델이 과적합이 발생한 것 같다고 알려주셨어요!

역시 멘토님...! 저의 똥 설명을 듣고 알아채시다니 감사감사 ㅎㅎ

말 좀 정리해서 한다고 하는건데도

말 조리있게 하기 참 어려운것 같아요..ㅠㅠ 요새 좀 고민..

 

아무튼 그래서 앞으로 인식률을 높이기 위해서는

1) 한 라벨에 대해 여러 개의 물체 이미지를 준비하고

2) 물체가 너무 작거나 멀면, 배경이 특징점이 될 수 있기 때문에

배경을 줄이는 작업을 하라고 하셨습니다.

3) 이렇게 진행해서, 테스트를 해보고 인식률이 높아지면

데이터 수를 늘려보라고 조언해주셨습니다.

 

그래서 저는 오늘 이전에 다운받았던 bottle 이미지를

배경없이 자르는 작업을 했습니다.

100개만 했는데도 오래걸렸어요. 노트북이 느린 탓도 있지만요. ㅠㅠ

그냥 노가다 일이지만 데이터 정제작업이라고 하니 멋있네요 괜히^^

작년에 학교 인공지능이랑 멀티미디어 openCV 전공 수업에서

과적합(오버피팅)에 대한 개념은 배웠을 때

개념이 몸소 와 닿지 않았었거든요..?

어떻게 와닿게 해야할지도 감이 안잡혔구요.

그런데 이번 공모전에서

직접 이런 문제를 겪게 되니까 좀 와닿는 것 같고!

(물론 학습이 제대로 안되서 이런거지만ㅎㅎ) 무지 신기했어요.

 

- what is overfitting ? -

과적합이란 무엇일까요?

아래 블로그에 잘 나와있어요^^ 참고했습니다:)

 

과적합(OverFitting)이란 학습이 너무 자 되어서 학습데이터에 대해서는 높은 정확도를 나타내지만 테스트 데이터나 실제 적용시에는 성능이 떨어지는 현상입니다.

 

blog.naver.com/complusblog/221243306163

gusrb.tistory.com/16

meisteruser.net/devflow/2615

[TensorFlow] Inception-v3 를 이용하여 원하는 이미지 학습과 추론 해보기

머신 러닝 알고리즘 - Overfitting(과적합)과 Regularization(일반화)

 

앞으로 다른 라벨들도 정제 작업을 해야하고,

정말 학습을 시켰을 때 효과가 있을지 아직 확신할 수 없지만,,

제발 효과가 있었으면 좋겠네요!!!!

( + 그 결과, 인식률 높아짐 )

다들 한번씩 기도해주세요ㅋㅋㅋㅋ