KAU-Deeperent

2020년 봄학기 프로젝트 3월 4일~5월 20일 3.5기 출석관리팀 원래 목표 https://kau-deeperent.tistory.com/46?category=845009 딥러닝을 이용한 출석관리 계획 스터디 진행 2020년 3월 4일 DMC 탐탐 출석관리팀:김정민,박승재,최웅준,최영환,한준희 프로젝트 구체적인 주제 휴대폰 카메라를 통해서 인식한 사진을 기존에 저장되어 있던 DB와 비교하여 출석을 kau-deeperent.tistory.com 프로젝트의 세부 일정과 각 주의 목표 첫 주차 목표: 특징 추출을 통해서 얼굴의 각 부분을 인식 2주 차 목표: 학습한 모델을 가지고 해당 인물을 인식 3주 차 목표: DB 구성 4주 차 목표: 웹 서버 구성 5주 차 목표: 웹을 통한 카메라 제어 6주 차 목표..

출석관리팀 회의날짜:05/15 장소:온라인 1.Introduction 2.Related Works 3.Approach and Model architecture 1.Introduction ->1.간의 결과는 불안정하다. ->2.어떠한 방법으로 이미지를 생성햇는지 알수없어서 filter visualize를 할 것이다. 2.Related works ->1.Representational Learning from unlabeld data ->2.Generating natural images ->3.visualizing 3.Approach and model architecture ->1.strided convolution ->2.fully connected hidden layer 삭제 ->3.batch normal..

작성자:김정민 FACENET을 사용할지 샴 네트워크를 사용할지 고민을 하다가 적은 데이터로도 학습이 가능하고 비교적 간단한 샴 네트워크를 사용하기로 했습니다. 동아리 회원들의 사진으로 테스트 데이터셋을 구성하여 성능을 테스트해본 결과 유의미한 결과를 얻어 낼 수 있었습니다. 회원들의 사진을 받고 코드를 좀 더 수정해서 모델을 완성시킬 수 있을것 같습니다. 하지만 출석관리팀에서 배포까지 할 수 있을지 의문 입니다. 배포까지 하기에는 코딩이나 기초적인 실력이 부족한것 같기도 해서 배포는 고려 중 입니다. 개인적인 생각으로는 배포는 포기하고 코딩이나 선형대수학 통계론등을 학습하는 팀을 만들어서 1학기를 진행해보고 싶은 마음이 있습니다. 세부코드는 이전 글 https://metar.tistory.com/30?c..

작성자:김정민 Background K-NN 분류 k-Nearest Neighber / k-최근접 이웃 알고리즘 지도학습 중 분류 문제에 사용하는 알고리즘이다. 분류 문제란 새로운 데이터가 들어왔을 때 기존 데이터의 그룹 중 어떤 그룹에 속하는지를 분류하는 문제를 말한다. k-NN은 새로 들어온 "★은 ■ 그룹의 데이터와 가장 가까우니 ★은 ■ 그룹이다." 라고 분류하는 알고리즘이다. 여기서 k의 역할은 몇 번째로 가까운 데이터까지 살펴볼 것인가를 정한 숫자이다. Embedding 임베딩 추천 시스템이나 군집 분석에 활용할 수 있다. embedding vector space 상에서 가까운 데이터들은 비슷한 특성을 공유하고 있다. supervised 머신러닝의 input 데이터로 사용할 수 있다. 범주간의 ..

샴 네트워크를 구성해줘야한다. 회의장소 : 구글 온라인 이번주 회의내용 : 코드 분석 다음주 예정: streo_rcnn

1.Android App에서 이미지를 불러와 Face-detect를 실행 -참고 https://codelabs.developers.google.com/codelabs/face-detection/index.html#0 Face Detection with the Mobile Vision API With the release of Google Play services 7.8, you can now use new Mobile Vision APIs which provide new Face Detection APIs that find human faces in image and video better and faster than before, and which offer smart services such as u..

출석관리팀 작성자:김정민 플라스크를 이용한 웹서버를 구축할 수 있으나 지속적으로 웹서버를 돌려줘야 해서 클라우드 컴퓨팅을 이용해서 웹 서버를 구축해보기로 하였고 AWS를 이용할 수 있으나 비용 청구 부분에서 무리가 있을 수 있다고 판단하여 구글 클라우드 컴퓨팅을 이용하여 도메인 연결까지 성공했습니다. 도메인 등록은 24시간이 지나야 정상 이용가능하여 기다리고 있습니다.

작성자 : 한준희 회의 : 2020. 03. 27(행아웃 온라인 회의) 저희 팀의 최종 목표는 얼굴인식 출결관리 시스템을 만들어서 웹을 통해 간단하게 실행시키는 것이었기에, 웹 사이트를 만들기 위한 웹 프레임워크인 'Flask' 에 대해 공부해보고 간단한 웹 페이지를 구성해봤습니다. 우선 웹 프레임워크란, 웹 서비스 개발을 위한 프레임워크입니다. 파이썬을 이용한 이용한 웹 프레임워크로는 대표적으로 'Django' 와 'Flask' 가 있습니다. python 기반 web application framework 중 가장 많이 사용되고 있는 것은 Django인데 그 이유는 개발하기 위해 필요한 귀찮은 작업들을 거의 대부분 Framework 레벨에서 지원해주고, 사용자가 가장 많은 만큼 커뮤니티가 가장 크기 때..

저희 조는 전이학습(transfer learning)개념을 이용하여 학습시간을 줄여보고자 했습니다. 전이학습이란(transfer learning)? 딥러닝 모델이 있는데 , 이러한 모델의 특징은 첫번째 층(layer)에서 "일반적인 특징"을 추출하고 , 두번쨰 층(layer)에서 "특정 문제에 적합한 특징"을 추출합니다. Yosinski et al. (2014) 논문에서는 이러한 딥러닝의 특성에 대해, '만약 첫 번째 계층에서 추출된 특징이 일반적인 특징이고 마지막 층에서 추출된 특징이 구체적인 특징이라면, 네트워크 내의 어딘가에 일반적인 수준에서 구체적인 수준으로 넘어가는 전환점이 분명 존재할 것이다.' 라고 서술하고 있습니다. 사전 학습된 모델을 이제 나의 프로젝트에 맞게 재정의한다면, 먼저 원래 모..

작성자:김정민 Deep face는 어떤 논문인가? What? ·주어진 이미지로부터 사람을 식별할 수 있는 CNN 구조를 묘사하는 논문이다. How? 인풋은 사람의 얼굴이다.(이미지에서 얼굴을 추출하는것이 아니다. 이미 다른 방법에 의해 얼굴은 추출되어 있는것 ) 우선 CNN 구조에 사진을 넣기 전에 2D alignment 와 3D alignment를 거쳐서 사진이 정면을 바라 보도록 해주고 (h)와 같이 새로운 측면에서의 데이터를 얻게 해준다. Alignment pipeline. (a) The detected face, with 6 initial fiducial points. (b) The induced 2D-aligned crop. (c) 67 fiducial points on the 2D-aligne..