donghunkang

R-CNN (Region Proposal CNN)YOLO (You Only Look Once)YOLO v1 구조총 24개의 convolution layer와 2개의 fully connected layer로 구성앞의 20개의 convolution layer는 ImageNet 데이터셋으로 pretrain뒤의 4개 convolution layer와 2개의 fully connected layer를 더 붙여서 Pascal VOC데이터로 Fine tuninglabelme를 이용한 데이터 라벨링

딥러닝 기반 이미지 분류컴퓨터에서 이미지는 매트릭스 형태로 표현되고 처리시점, 크기, 회전, 조명 변화, 가려짐 등으로 인하여 분류가 어려움기존의 이미지 분류 방법은 처리에 유리한 정보를 추출하고 분류기를 학습딥러닝 기반 방법은 Deep Neural Network를 이용하여 피쳐 추출과 분류기 학습을 동시에 수행Deep Neural Network(DNN), Convolution Neural Network(CNN), Deep Convolution Neural Network(DCNN) Convolution Layerconvolution: 필터(가중치)를 이미지에 슬라이드 하면서, 이미지와 필터의 각 원소끼리 곱하고, 그 결과를 모두 더하는 연산Feature map을 생성 Pooling LayerTransla..

통신탑 이미지 분류 데이터train data: 볼트가 포함된 통신탑 이미지 427개/ 통신탑이 포함되지 않은 이미지 222개test data: 볼트가 포함된 통신탑 이미지 97개/ 통신탑이 포함되지 않은 이미지 81개데이터셋 폴더 경로 설정Glob 모듈을 통해서 데이터 개수 확인데이터 시각화Open CV를 통해 이미지 출력통신탑 이미지 객체 인식 데이터Class idClass name 설명예시 사진1target너트의 모든 class: Normal + Unscrewed red + ... 2Normal너트와 와셔 부분의 이격이 발견되지 않고, 부식이 발생하지 않았으며 변색이 없더나 경미한 정도3Unscrewed red와셔 쪽 와트 풀림이 발생했더나 너트와 와셔 부분의 이격 정도가 명확4Rusty yellow..

프로젝트 목표1. 통신탑 볼트 상태 점검: 양호, 부식 발생, 너트 풀림, 이격 발생 등2. 대형 철탑으로부터 안전하게 이미지를 획득하기 위해 드론 활용3. 자동 점검 방식으로 빠르고 일관적인 점검 가능활용 라이브러리