[python] CNN을 사용한 이미지 데이터 처리
이미지 데이터 처리를 위한 딥러닝 기술 중 하나로 합성곱 신경망(CNN, Convolutional Neural Network)이 널리 사용됩니다. CNN은 이미지의 지역적인 정보를 학습하여 분류, 객체 검출, 분할 등의 작업에 활용됩니다. 이 포스트에서는 Python과 TensorFlow를 사용하여 간단한 CNN을 구현하고 이미지 데이터를 처리하는 방법을 살펴보겠습니다.
1. 이미지 데이터 불러오기
가장 먼저 이미지 데이터를 불러오는 과정부터 시작하겠습니다. tensorflow와 matplotlib 패키지를 import하고, 예시로 사용할 이미지 데이터를 불러옵니다.
import tensorflow as tf
import matplotlib.pyplot as plt
image_path = "path_to_your_image.jpg"
image = plt.imread(image_path)
2. 이미지 전처리
불러온 이미지 데이터를 CNN 모델에 입력으로 넣기 전에 전처리 과정이 필요합니다. 이미지의 크기를 조정하고 픽셀 값을 정규화하여 모델의 입력에 맞게 변환합니다.
resized_image = tf.image.resize(image, [224, 224])
normalized_image = resized_image / 255.0
3. CNN 모델 구성
다음으로 CNN 모델을 구성하는 단계입니다. tensorflow.keras를 사용하여 간단한 CNN 모델을 구현해보겠습니다.
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3)),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Conv2D(128, (3, 3), activation='relu'),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dense(10)
])
model.summary()
4. 모델 학습 및 예측
이제 구성한 CNN 모델을 학습시키고 예측을 수행해보겠습니다.
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# 데이터셋을 이용하여 모델 학습
model.fit(train_images, train_labels, epochs=10)
# 새로운 이미지에 대한 예측
predictions = model.predict(normalized_image)
이상으로 CNN을 사용한 이미지 데이터 처리에 대한 간단한 예제를 살펴보았습니다. 이미지 데이터 처리에 대한 심화적인 내용은 더 많은 공부와 경험이 필요하지만, 이를 통해 이미지 처리에 대한 기본 개념을 이해할 수 있습니다.
참고: TensorFlow 공식 문서 (https://www.tensorflow.org/tutorials/images/cnn)