printf("ho_tari\n");
14일차 본문
2025.05.08
Banana Classification
<이진분류 프로젝트>
1. 정상/폐렴 데이터셋 사용 : https://www.kaggle.com/datasets/paultimothymooney/chest-xray-pneumonia
2. 데이터셋 로드하기
레이블(클래스) 리스트 선언하여 폴더 하위 이미지 읽어 입력 및 출력(X, y) 데이터 생성
3. 데이터 전처리하기
4. 모델 구성하기
CNN 모델 구성하고 Compile 하기
5. 모델 학습하기
6. 모델 학습과정 살펴보기(학습횟수에 따른 accuracy/loss 그래프 그리기)
7. 모델 평가 및 예측하기
8. 모델 예측 결과 출력(이미지+결과)하기 ( pred_label / true_label )
9. 모델 저장하기
폐렴이란?
폐렴은 주로 폐포라고 알려진 작은 공기주머니에 영향을 미치는 폐의 염증성 질환입니다.증상에는 일반적으로 마른 기침, 가슴 통증, 발열 및 호흡곤란 등이 있습니다. 증상의 심각도는 다양합니다. 폐렴은 보통 바이러스나 박테리아에 감염되어 발생하며, 다른 미생물, 특정 약물, 자가면역질환 등으로 발병하는 경우는 적습니다. 위험인자로는 낭포성 섬유증, 만성폐쇄성폐질환(COPD), 천식, 당뇨병, 심부전, 흡연 이력, 뇌졸중 발생, 면역력 약화 등이 있습니다. 폐렴 진단은 증상 발생과 신체검사를 기반으로 이루어 집니다. 흉부 엑스레이, 혈액 검사, 가래 배양 등이 진단을 확인하는 데 도움이 될 수 있습니다. 이 질병은 지역사회, 병원, 의료 관련 등 발병 장소에 따라 분류할 수 있습니다.
폐렴 데이터 세트에 대한 설명
데이터 세트는 3개의 폴더(train, test, val)로 구성되며 각 이미지 범주(Pneumonia/Normal)에 대한 하위 폴더를 포함합니다. 5,863개의 X-Ray 이미지(JPEG)와 2개의 카테고리(Pneumonia/Normal)가 있습니다. 흉부 X선 영상(전후방)은 소아 환자 소급 집단에서 선택되었습니다. 모든 흉부 X선 영상 촬영은 환자의 일상적인 임상 치료의 일부로 수행되었습니다. 흉부 X선 영상의 분석을 위해, 흉부 X선 사진은 품질 관리를 위해 품질이 낮거나 읽을 수 없는 이미지는 모두 제거하고 선별하였습니다. AI 시스템을 훈련시키기 전에 두 명의 전무 의사가 이미지에 대한 라벨 분류 작업을 진행하였습니다. 오류를 방지하기 위해 세 번째 전문가가 평가 세트도 확인했습니다.
감정 분류 (Emotion Classification)
keras의 이미지 증강 방식 사용
Datasets 로드하고 확인하기
https://www.kaggle.com/datasets/msambare/fer2013
CNN 을 사용한 이진/다중 분류 프로젝트 가이드
< 다중분류 프로젝트 >
> 1. 정상/폐렴/Covid-19 데이터셋
> - https://www.kaggle.com/datasets/pranavraikokte/covid19-image-dataset/data
> 2. 데이터셋 준비하기
> 텐서플로우 ImageDataGenerator 사용
> 3. 데이터 전처리하기
> 4. Pretrained-model 모델(VGG19 or Xception or MobileNetV2 등 ) 로드하기
> 새로운 분류층 추가하기
> Compile 하기
> 5. 모델 학습하기
> 6. 모델 학습과정 살펴보기 (학습횟수에 따른 accuracy/loss 그래프 그리기)
> 7. 모델 평가 및 예측하기
> 8. 모델 예측 결과 출력(이미지+결과)하기 ( pred_label / true_label )
> 9. 모델 저장하기
