클라우드 기반 인공지능 개발과 DevOps 실무

coco API 란? 이미지나 비디오에 여러 사물/동물/사람을 학습을 통해 판단하는 인공지능을 말한다. window 코드 pip install cython pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI 리눅스 코드 git clone https://github.com/cocodataset/cocoapi.git cd cocoapi/PythonAPI make cp -r pycocotools /TensorFlow/models/research/ 아래의 사이트는 다운로드하는 가이드라인 페이지 이다 꼭 참고하길 바란다.!! https://tensorflow-object-detection-api-tutorial.rea..

object detection 다운하는 메뉴얼 https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/install.html Installation — TensorFlow 2 Object Detection API tutorial documentation Anaconda Python 3.8 (Optional) Although having Anaconda is not a requirement in order to install and use TensorFlow, I suggest doing so, due to it’s intuitive way of managing packages and setting up new virtual en..

Object Detection 의 Model 이 있는 gIthub 사이트 이다 . 자신에게 맞는 모델을 골라 마우스 오른쪽을 클릭하여 경로를 복사해준 뒤 , 아래 코드에 맞게 대입해주면 된다. TensorFlow 2 Detection Model Zoo https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2_detection_zoo.md GitHub - tensorflow/models: Models and examples built with TensorFlow Models and examples built with TensorFlow. Contribute to tensorflow/models developmen..

TFOD는 하나의 Object가 아닌 여러개의 Object를 Detection할 수 있다. Directory 에서 자기가 필요한 것이 무엇인지 확인해 본다. https://github.com/tensorflow/models GitHub - tensorflow/models: Models and examples built with TensorFlow Models and examples built with TensorFlow. Contribute to tensorflow/models development by creating an account on GitHub. github.com

터미널에 가상환경을 만들어 tesorflow를 만들어준 뒤 메뉴얼 순서에 맞게 다운로드 및 사용법을 보고 활용하면 된다. TensorFlow Object Detection 공식사이트: https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/install.html Installation — TensorFlow 2 Object Detection API tutorial documentation Anaconda Python 3.8 (Optional) Although having Anaconda is not a requirement in order to install and use TensorFlow, I suggest doing so,..

object Detection 은 크게 두가지로 나뉘게 되는데 SSD : Single Shot Detectors YOLO : You Only Look Once 로 나뉘게 된다.

이미 검증이 완료된 뉴널네크워크를 활용하여 자신에게 만들거나/필요한 인공지능에 모델링을 가져오가나 트레이닝을 더 해줘어 정확도를 높이는 것이다. 원래의 만들어 둔 인공지능을 가져와 outputs 부분은 head 부분을 사용자가 직접 만들어줘서 인공지능 body부분 만을 이용하여 정확도를 높이는 방법이다. 텐서플로우가 제공하는 모델 : https://www.tensorflow.org/api_docs/python/tf/keras/applications?hl=ko Module: tf.keras.applications | TensorFlow Core v2.7.0 Public API for tf.keras.applications namespace. www.tensorflow.org

import os os.chdir('') # 자신의 경로 복사하기 ! unzip + # 파일이름 TYPE='type' model_type='mobilenetv2' user='block' iteration='1-2' first_time_training=True PROJECT_PATH= ' ' # 자신의 이 노트북의 구글드라이브 경로로 셋팅 HDF5_DATASET_PATH=PROJECT_PATH+'/vehicle_datasets/vehicle-type-dataset-SIZE224-train-dev-test-v2.hdf5' TARGET_CLASSIFICATION_MODEL=PROJECT_PATH+'/trained-models/'+model_type+'/'+'vehicle-classification-by-'+T..