이진 및 다중 클래스 이미지 분류

PyTorch로 배우는 이미지 딥러닝

Michal Oleszak

Machine Learning Engineer

PyTorch로 무엇을 학습하나요?

tasks

PyTorch로 무엇을 학습하나요?

tasks

PyTorch로 무엇을 학습하나요?

tasks

PyTorch로 무엇을 학습하나요?

tasks

선수 지식

합성곱 신경망(CNN)
PyTorch에서 모델 학습
선수 과정: Intermediate Deep Learning with PyTorch

PyTorch 라이브러리

torchvision

PyTorch 라이브러리

torchvision

PyTorch 라이브러리

torchvision

PyTorch 라이브러리

torchvision

이미지 분류

이진 분류

binary

두 개의 서로 다른 클래스(고양이, 개)
활성화 함수: Sigmoid

다중 클래스 분류

multi-class

여러 클래스(보트, 기차, 자동차)
활성화 함수: Softmax
가장 높은 확률이 예측값

합성곱 신경망(CNN) 모델

cnn

합성곱 신경망(CNN) 모델

binary

합성곱 신경망(CNN) 모델

binary

합성곱 신경망(CNN) 모델

binary

합성곱 신경망(CNN) 모델

binary

데이터세트: 클래스 레이블

image folders

from torchvision import datasets
import torchvision.transforms as transforms


train_dir = '/data/train'
train_dataset = ImageFolder(root=train_dir,
         transform=transforms.ToTensor())

classes = train_dataset.classes
print(classes)

['cat', 'dog']

print(train_dataset.class_to_idx)

{'cat': 0, 'dog': 1}

이진 이미지 분류: 합성곱 층

Conv2d():
- 입력: 3개 RGB 채널(빨강, 초록, 파랑)
- 출력: 16채널
- 커널: 3 x 3 행렬
- 스트라이드 = 1: 커널이 1칸 이동
- 패딩 = 1: 경계에 1픽셀
ReLU():
- 비선형 활성화 함수
MaxPool2d():
- 커널: 2x2
- 스트라이드: 2칸

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()

        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)

        self.relu = nn.ReLU()

        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)




   def forward(self, x):



        return x

이진 이미지 분류: 완전연결 층

Flatten():
- 텐서를 1차원 벡터로 평탄화
Linear():
- 입력: 특성맵 x 높이 x 너비
- 출력: 단일 클래스
Sigmoid():
- [0,1]

class BinaryCNN(nn.Module):
    def __init__(self):
        super(BinaryCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 16,
                kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.pool = nn.MaxPool2d(kernel_size=2, 
                     stride=2)

        self.flatten = nn.Flatten()

        self.fc1 = nn.Linear(16 * 112 * 112, 1)

        self.sigmoid = nn.Sigmoid()

   def forward(self, x):

        x = self.pool(self.relu(self.conv1(x)))
        x = self.fc1(self.flatten(x))
        x = self.sigmoid(x)]

        return x

CNN으로 다중 클래스 이미지 분류

class MultiClassCNN(nn.Module):
    def __init__(self, num_classes):
        super(MultiClassCNN, self).__init__()
        ...

        self.fc = nn.Linear(16 * 112 * 112, num_classes)

        self.softmax = nn.Softmax(dim=1)

    def forward(self, x):
        ...

        x = self.softmax(x)

        return x

연습해 봅시다!

PyTorch로 배우는 이미지 딥러닝