안저 이미지 사진에서 정상, 중간, 비정상분류
본 시스템은 크게 2가지 단계로 이루어져 있습니다.
- Pre-processing
스마트 폰 카메라로 촬영한 사진으로부터 렌즈영역을 찾아낸뒤 전처리 - Classification
전처리된 안저사진을 딥러닝 모델을 통해 확인
프로그램을 실행하기 위해서는 python 3.x(3.7권장)과 함께 다음의 라이브러리가 필요합니다
- tensorflow (<=2)
- opencv-python
- numpy
- matplotlib
- tqdm
- anaconda prompt에서 원하는 폴더로 이동하는 방법
(예를 들어 C:\Users\j3jjj에서 C:\Users\j3jjj\Desktop\pj\딥러닝 세미나로 이동하는 법)
cd .. : 이전으로 이동
cd [원하는 폴더명] : 원하는 폴더로 이동
dir : 현재 디렉토리의 폴더, 파일 리스트
- anaconda prompt에서 다음과 같이 입력(requirements.txt의 모듈 설치)
pip install -r requirements.txt
.
├── train/
├── pred_train/
├── input/
├── output/
└── checkpoint/
폴더 | 설명 |
---|---|
train/ |
학습하기 위한 이미지 저장 |
pred_train/ |
전처리를 한 뒤 이미지 저장 |
input/ |
test하고 싶은 이미지 저장 |
output/ |
test이미지에 대한 결과를 csv로 저장 |
checkpoint/ |
학습이 끝난 뒤 loss가 가장 낮은 가중치를 저장 |
-
전처리
(이미지를 회전하여 1장의 이미지를 36장으로 만들어줍니다)
-train: train폴더에 있는 이미지를 위와 같은 방법으로 처리합니다
-test: input폴더에 있는 이미지를 위와 같은 방법으로 처리합니다 -
classification model
Base Network로는 최근에 주목받는 EfficientNet중에서 경량화된 EfficientNet B0를 사용합니다
extra layer로는 dense와 dropout을 추가했습니다
분류 | input imgs | pred imgs |
---|---|---|
normal | 271 | 6588 |
Intermediate | 510 | 15876 |
abnormal | 360 | 9684 |
total | 1141 | 32148 |
Traning | Validation | test |
---|---|---|
20253 | 8679 | 3214 |
Traning 이미지와 Validation 이미지, test 이미지를 0.63, 0.27, 0.1로 나누어 학습과 검증을 100 epoch 진행하였으며, 학습 중 Validation loss가 3번 연속으로 떨어지지않을 때 정지한 결과입니다.
또한 test 이미지를 통해 데이터에 대한 범용성을 가지는지 확인했습니다
다음과 같이 프로그램을 실행 합니다
$ python classifier.py
입력 이미지는 input/폴더에 있어야 합니다
라벨 | 설명 |
---|---|
image name | 이미지 이름 |
classifier | 1장을 여러장으로 증폭한 뒤 가장 많았던 class |
Accuarcy | 가장 많았던 class의 확률 |