CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까
입문
우리 회사는 7명의 고양이 직원이 국적을 가지고 있다.
이 중 5명은 형제자매여서 판별은 조금 지켜봐야 한다.
이번에는 기계 학습을 통해 그 중 2명을 판별해 보려고 한다.
CreateML
CreateML이란 코드 3줄만으로 머신러닝(이미지 인식 등)을 쉽게 수행할 수 있는 도구입니다.
Create ML | Apple Developer
WWDC 2018의 영화
CreateML 사용법에 관해서는 많은 사람이 썼기 때문에 소개를 생략했습니다.
대상 2명 소개
그럼 이번 주인공 두 명을 소개해 드릴게요.
안쪽은 はなさん
, 앞은 みるくさん
.
어때요?분간하기 힘든데.
구분의 요점
그럼 간단하게 구분할 요점을 소개해 드릴게요.
코선과 입 주위의 색깔.
제 1 장, 제 2 장
본사 HP 참조 はなさん
, 코에 종선이 있다.
아직 잘 알지만 みるくさん
의 입 주위는 はなさん
보다 하얗다.
꼬리
제 1 장, 제 2 장
꼬리는 둥글고, みるくさん
둥글고, はなさん
편안하다.
전체 프로파일
제 1 장, 제 2 장みるくさん
보다 전체적으로 크다.
귀여워서 좋아해요.
이런 곳이야.
이미지 수집
이것은 기계 학습에서 가장 중요한 일이다.
가능한 한 예능 프로그램을 갖게 해라.
이번에는 둘 다 50장을 준비했다.
테스트 데이터
테스트용으로 우선 정면, 측면, 뒷모습, 3가지 데이터를 준비했다.
난이도도 간단하게 덧붙여봤으니 여러분도 도전해 보세요.
(답안은 마지막에 기재되어 있다.)
기본 (전면)
중급 (측면)
고급?(뒷모습)
답안
좌측
우측
기본 (전면)
화산
레몬산
중급 (측면)
레몬산
화산
고급?(뒷모습)
레몬산
화산
결과
최대: 20, 옵션 없음
결국 미리의 뒷모습을 제외하고는 모두 꽃으로 인정받았다.
최대: 20, 옵션: 회전 / Blu-ray / 내보내기 / 처리되지 않음
결과적으로 여전히 はなさん
의 뒷모습만 みるくさん
판정을 받았다.
그리고 はなさん
비율은 96% 로 올랐다.
최대: 20, 전체 검사 옵션
이번에도 결과는 はなさん
의 뒷모습만 정확하게 판정됐다.
하지만 이번에는 반대로 모두 みるくさん
판정을 받았습니다...
총결산
결국 우리 회사의 미령과 샤오화의 소개가 되었다.
이미지 식별, 감각의 문턱이 높지만 50장의 이미지를 수집하면 이렇게 높은 정밀도를 낼 수 있어서 정말 좋아요.
이번 결과는 소재가 부족하고 사용법이 좋지 않아 한 발짝도 나아가지 못했다.
다음은 CreateML로 만든 CoreML로 아이폰으로 카메라에 대고 판정할 수 있는 프로그램을 만들고 싶습니다.
Reference
이 문제에 관하여(CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/hanlio/items/1915ba3c144ff86a4e62
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
CreateML이란 코드 3줄만으로 머신러닝(이미지 인식 등)을 쉽게 수행할 수 있는 도구입니다.
Create ML | Apple Developer
WWDC 2018의 영화
CreateML 사용법에 관해서는 많은 사람이 썼기 때문에 소개를 생략했습니다.
대상 2명 소개
그럼 이번 주인공 두 명을 소개해 드릴게요.
안쪽은 はなさん
, 앞은 みるくさん
.
어때요?분간하기 힘든데.
구분의 요점
그럼 간단하게 구분할 요점을 소개해 드릴게요.
코선과 입 주위의 색깔.
제 1 장, 제 2 장
본사 HP 참조 はなさん
, 코에 종선이 있다.
아직 잘 알지만 みるくさん
의 입 주위는 はなさん
보다 하얗다.
꼬리
제 1 장, 제 2 장
꼬리는 둥글고, みるくさん
둥글고, はなさん
편안하다.
전체 프로파일
제 1 장, 제 2 장みるくさん
보다 전체적으로 크다.
귀여워서 좋아해요.
이런 곳이야.
이미지 수집
이것은 기계 학습에서 가장 중요한 일이다.
가능한 한 예능 프로그램을 갖게 해라.
이번에는 둘 다 50장을 준비했다.
테스트 데이터
테스트용으로 우선 정면, 측면, 뒷모습, 3가지 데이터를 준비했다.
난이도도 간단하게 덧붙여봤으니 여러분도 도전해 보세요.
(답안은 마지막에 기재되어 있다.)
기본 (전면)
중급 (측면)
고급?(뒷모습)
답안
좌측
우측
기본 (전면)
화산
레몬산
중급 (측면)
레몬산
화산
고급?(뒷모습)
레몬산
화산
결과
최대: 20, 옵션 없음
결국 미리의 뒷모습을 제외하고는 모두 꽃으로 인정받았다.
최대: 20, 옵션: 회전 / Blu-ray / 내보내기 / 처리되지 않음
결과적으로 여전히 はなさん
의 뒷모습만 みるくさん
판정을 받았다.
그리고 はなさん
비율은 96% 로 올랐다.
최대: 20, 전체 검사 옵션
이번에도 결과는 はなさん
의 뒷모습만 정확하게 판정됐다.
하지만 이번에는 반대로 모두 みるくさん
판정을 받았습니다...
총결산
결국 우리 회사의 미령과 샤오화의 소개가 되었다.
이미지 식별, 감각의 문턱이 높지만 50장의 이미지를 수집하면 이렇게 높은 정밀도를 낼 수 있어서 정말 좋아요.
이번 결과는 소재가 부족하고 사용법이 좋지 않아 한 발짝도 나아가지 못했다.
다음은 CreateML로 만든 CoreML로 아이폰으로 카메라에 대고 판정할 수 있는 프로그램을 만들고 싶습니다.
Reference
이 문제에 관하여(CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/hanlio/items/1915ba3c144ff86a4e62
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
이것은 기계 학습에서 가장 중요한 일이다.
가능한 한 예능 프로그램을 갖게 해라.
이번에는 둘 다 50장을 준비했다.
테스트 데이터
테스트용으로 우선 정면, 측면, 뒷모습, 3가지 데이터를 준비했다.
난이도도 간단하게 덧붙여봤으니 여러분도 도전해 보세요.
(답안은 마지막에 기재되어 있다.)
기본 (전면)
중급 (측면)
고급?(뒷모습)
답안
좌측
우측
기본 (전면)
화산
레몬산
중급 (측면)
레몬산
화산
고급?(뒷모습)
레몬산
화산
결과
최대: 20, 옵션 없음
결국 미리의 뒷모습을 제외하고는 모두 꽃으로 인정받았다.
최대: 20, 옵션: 회전 / Blu-ray / 내보내기 / 처리되지 않음
결과적으로 여전히 はなさん
의 뒷모습만 みるくさん
판정을 받았다.
그리고 はなさん
비율은 96% 로 올랐다.
최대: 20, 전체 검사 옵션
이번에도 결과는 はなさん
의 뒷모습만 정확하게 판정됐다.
하지만 이번에는 반대로 모두 みるくさん
판정을 받았습니다...
총결산
결국 우리 회사의 미령과 샤오화의 소개가 되었다.
이미지 식별, 감각의 문턱이 높지만 50장의 이미지를 수집하면 이렇게 높은 정밀도를 낼 수 있어서 정말 좋아요.
이번 결과는 소재가 부족하고 사용법이 좋지 않아 한 발짝도 나아가지 못했다.
다음은 CreateML로 만든 CoreML로 아이폰으로 카메라에 대고 판정할 수 있는 프로그램을 만들고 싶습니다.
Reference
이 문제에 관하여(CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/hanlio/items/1915ba3c144ff86a4e62
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
최대: 20, 옵션 없음
결국 미리의 뒷모습을 제외하고는 모두 꽃으로 인정받았다.
최대: 20, 옵션: 회전 / Blu-ray / 내보내기 / 처리되지 않음
결과적으로 여전히
はなさん
의 뒷모습만 みるくさん
판정을 받았다.그리고
はなさん
비율은 96% 로 올랐다.최대: 20, 전체 검사 옵션
이번에도 결과는
はなさん
의 뒷모습만 정확하게 판정됐다.하지만 이번에는 반대로 모두
みるくさん
판정을 받았습니다...총결산
결국 우리 회사의 미령과 샤오화의 소개가 되었다.
이미지 식별, 감각의 문턱이 높지만 50장의 이미지를 수집하면 이렇게 높은 정밀도를 낼 수 있어서 정말 좋아요.
이번 결과는 소재가 부족하고 사용법이 좋지 않아 한 발짝도 나아가지 못했다.
다음은 CreateML로 만든 CoreML로 아이폰으로 카메라에 대고 판정할 수 있는 프로그램을 만들고 싶습니다.
Reference
이 문제에 관하여(CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/hanlio/items/1915ba3c144ff86a4e62
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(CreateML에서 뒷모습으로 꽃과 미령을 판별할 수 있을까), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/hanlio/items/1915ba3c144ff86a4e62텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)