-
[딥러닝 모델을 사용한 서버 배포하기 #3] Flask로 서버 개발하기
Keras모델을 사용하는 Flask서버 개발하기 앞의 포스팅에서 Tensorflow 모델을 Keras 모델로 바꾸어 사용하는 방법을 알아보았습니다. 이제는 이 Keras 모델을 사용해 어떻게 서버를 만드는지 알아보도록 하겠습니다. Flask의 기본 개념에 대한 내용은 생략합니다. 기본 개념은 공식문서를 참고하세요! 미리보기) 만들 서버의 모습입니다! 간단한 UI와 멋있는 사진 결과를 볼 수 있습니다! 입력으로 이미지의 URL을 받아 Keras 모델을 사용해 결과물을 얻고, 그 결과를 웹 화면에 보여주는 방식입니다. 순서는 flask 코드 작성 json 값을 이용해 html 화면에 결과 띄우기 로 진행하겠습니다. flask...
-
[딥러닝 모델을 사용한 서버 배포하기 #2] Tensorflow모델을 Keras로 바꾸기
Tensorflow로 작성된 코드를 Keras로 바꾸기 앞에서 설명한 논문의 코드는 Tensorflow로 구현된 것이었습니다. 하지만 배치단위로 처리하는 코드였기 때문에 실시간으로 한 개씩 처리에는 적합하지 않았고,배치마다 그래프를 다시 읽어야 하는 방식으로 구현되어 있었습니다. 그래서 Tensorflow로 된 코드를 Keras로 바꾸고, 그래프는 실행시 한번만 읽을 수 있도록 로직을 수정하기로 했습니다! 1. 코드 바꾸기 레이어 부분의 코드를 바꾸는 일은 어렵지 않습니다.tensorflow에서 지원하는 layer들은 대부분 Keras에도 있기 때문에 함수명과 인자만 잘 맞춰주면 됩니다. 예를 들어 아래 tensorflow 코드는 layer01 = tf.layers.conv2d(images, 64,...
-
[딥러닝 모델을 사용한 서버 배포하기 #1] 어떤 모델을 사용할까
딥러닝 모델을 사용해 서버 배포하기 첫번째는 어떤 모델을 사용할까에 관한 내용입니다! 이번에 제가 사용해 본 모델은 Saliency map을 딥러닝으로 예측하는 모델입니다. saliency map 예측 관련 벤치마크를 비교해 놓은 사이트가 있는데, 저는 여기서 python으로 구현된 모델들 중 MSI-Net을 사용했습니다. 이번 포스팅에서는 MSI-Net논문의 내용을 리뷰하면서 어떤 모델인지 살펴보겠습니다. Contextual Encoder-Decoder Network for Visual Saliency Prediction 논문 주소 : https://arxiv.org/pdf/1902.06634.pdf 깃헙 주소 : https://github.com/alexanderkroner/saliency Saliency map이란 사람이 어떤 장면을 봤을 때 집중해서 보게되는 부분을 시각화한 것 처음에는 밝기차이,...
-
[최신 정보검색론] 정보검색평가
Chapter 8 정보 검색 평가 이 글은 최신 정보검색론 을 읽고 정리 한 내용입니다. 정보 검색 시스템은 문헌 검색, 문서 분류 등의 작업으로 구성됩니다. Chapter 8 에서는 이 작업들의 평가 척도를 알아보겠습니다. 8.1 순위 없는 검색 집합의 평가 1) 정확률과 재현율 시스템의 유효성을 측정하는 지표에는 크게 정확률(Precision) 과 재현율(Recall)이 있습니다. 쉽게 설명하자면 정확률은 검색된 것 중에 적합하게 검색 된 것의 비율이고, 재현율은 적합한 것 중에 검색된 것을 의미합니다. 분할표로 나타내면 아래와 같습니다. 적합 부적합...
-
[최신 정보검색론] 지지 벡터 기계와 기계 학습
Chapter 15 지지 벡터 기계와 기계 학습 이 글은 최신 정보검색론 을 읽고 정리 한 내용입니다. Chapter 15 에서는 분류 모델 중 하나인 지지 벡터 기계 (SVM) 에 대해 알아보겠습니다. SVM 의 기본적인 아이디어는 두 범주의 경계를 가장 넓게 하는 경계를 찾는 것 입니다. 주로 2-Class 분류에 많이 쓰이며, 필요에 따라 회귀나 다범주 분류에도 쓰입니다. 15.1 선형 분류 문제 선형분류란 위의 별과 동그라미 자료를 구분하는 선을 찾는 문제로 볼 수 있습니다. A 와 B 가...