📷 Noise_Reduction_with_Autoencoder📷

👀프로젝트 진행에 대한 자세한 사항은 NRwAE_progress.md에 상세히 서술되어있습니다! 참고바랍니다.

👀코드와 실행 결과는 noise_Reduction_with_autoencoder.ipynb을 통해 바로 확인할 수 있습니다.

👀해당 프로젝트는 학부 3학년 1학기, 영상처리와 딥러닝 과목에서 진행한 개인 기말 프로젝트 작품입니다.

프로젝트 설명

• 수업에서 오토인코더에 대해 배우게 되었는데. 이미지를 축소하여 특징들을 추려낸 후(인코더), 그 특징들을 토대로 이미지를 재구성(디코더) 할 수 있다.

  • 
  • 이미지 출처: https://lilianweng.github.io/lil-log/2018/08/12/from-autoencoder-to-beta-vae.html
  • 하지만 단순한 오토인코더로는 제대로된 복원이 불가능하여 UNet구조를 사용하였다.
  
  • 이를 알고 원본 사진에 노이즈를 주더라도 오토인코더를 이용하면 다시 원본 사진으로 복원할 수 있겠다라는 점에서 프로젝트를 진행하게 되었다.

프로젝트 결과 예시

• 데이터 셋은 양이 그렇게 많지 않아도 되기 때문에 FingerNumber_classifier 프로젝트에서 사용한 데이터 셋을 가져왔다.
  • 

개발 환경

• 언어: Python 3
• 환경: Google Colab
• 기간: 2021.12.03 ~ 2021.12.10

사용 방법 (GPU를 사용할 경우) 📖

• CUDA 를 사용하기 위해서는 NVIDIA GPU가 필요합니다. 따라서 구글 코랩으로 진행합니다.
• 업로드 된 dataSet.zip 파일과 noise_Reduction_with_autoencoder.ipynb파일을 다운로드 받습니다.
• 본인의 구글 드라이브(기본경로)에 noise_reduction_with_autoencoder 폴더를 생성합니다.
• noise_reduction_with_autoencoder폴더에 dataSet 폴더를 생성합니다.
• dataSet폴더 안에 다운로드 받은 dataSet.zip을 압축 해제합니다.
• 다시 구글 코랩으로 돌아옵니다.
• 다운로드 받은 noise_Reduction_with_autoencoder.ipynb를 열어줍니다.
• 구글 코랩의 상단부에 런타임 -> 런타임 유형 변경 -> 'None' 에서 GPU로 변경합니다.
• 

- 위 그림 처럼 왼쪽 폴더 모양 아이콘을 클릭한 후 2번으로 표시된 아이콘을 누르면 마운트가 진행됩니다.

• 

- 최종적으로 위와같은 이미지와 동일한 구조가 되어야 합니다.

• 런타임이 끊길 경우 재 연결 후, 재 마운트를 해야합니다.
• 코드를 실행합니다. (Ctrl + Enter)