60日_<패키지> torch / matplotlib <모델 아키텍처> U-Net

<사용하는 패키지>

torch, open cv, matplotlib

 

<모델 아키텍처>

U_Net

 

import torch            # tensor 등 다양한 수학 함수가 포함되어 있으며 Numpy와 유사한 구조 (수치 연산을 수행하는 라이브러리)
import cv2
# cv2 [Computer Vision] - Opencv: 카메라, 에지 기반 또는 클라우드 기반 컴퓨팅, 소프트웨어 및 인공지능(AI)을 결합하여 시스템이 사물을 "확인"하고 식별할 수 있게 함.
# OpenCV [Open Source Computer Vision Library]
# OpenCV는 컴퓨터 비전 관련 프로그래밍을 쉽게 할 수 있도록 도와주는 라이브러리. (이미지 딥러닝에 활용)
import matplotlib.pyplot as plt
from src.Models import Unet     # U-Net: Convolutional Networks for Biomedical Image Segmentation' : 정확한 이미지 세그멘테이션 성능

 

*torch

-torch란 facebook에서 제공하는 딥러닝 도구.

-numpy와 효율적인 연동을 지원하는 편리한 도구.

-구글에서 만든 tensorflow나 pytorch나

기본적인 데이터 스트럭쳐는 tensor.

-tensor란 2차원 이상의 array이며,

matrix, vector의 일반화된 객체이다.

-[torch import 방법]

import torch

-버전version이 다르면 메소드가 안되는 경우가 있으니, 주의해야 한다. 

 

 

*matplotlib

-데이터를 다양한 그래프로 만들어주는 파이썬 라이브러리

( 데이터 시각화 )

-matplotlib.pyplot 모듈

: matplotlib에서 가장 사용하는 함수(메서드)

-pyplot 불러오기 ( plt란 이름으로 사용 )

: import matplotlib.pyplot as plt

 

 

*U-Net:

Biomedical 분야에서

이미지 분할(Image Segmentation)을 목적으로 제안된

End-to-End 방식의 Fully-Convolutional Network 기반 모델.

 

End-to-End Learning:

어떤 문제를 해결할 때

필요한 여러 스텝을 하나의 신경망을 통해 '재배치'하는 과정.

-데이터가 클 때 두 단계로 나누어 각각 네트워크를 구축, 학습한 후

그 결과를 합치는 방법이다.

-이렇게 하는 이유는 

스텝을 나누는 것이 성능이 더 좋기 때문 !

 

-이미지의 전반적인 컨텍스트 정보를 얻기 위한 네트워크

+ 정확한 지역화(localization)을 위한 네트워크

 

Q. 컨텍스트 정보?

이웃한 픽셀 간의 정보, 이미지의 일부를 보고

이미지의 문맥 파악