티스토리

printf("ho_tari\n");

검색하기

블로그 홈

printf("ho_tari\n");

hotari.tistory.com/m

호타리 님의 블로그입니다.

구독자: 1

방명록 방문하기

주요 글 목록

Final Project (Deep Fake Detection on Videos) 목적 / 개요 “Real Video(원본 영상)과 Fake Video(deep fake가 적용된 영상)들을 명확하게 구분할 수 있는가” 최근 Deep Fake 기술을 악용하여 다양한 범죄에 사용하는 이슈들이 늘어나는 추세 ex) ‘Deep Fake로 신분증 도용’, ‘Deep Fake로 음란물 합성 범죄’, ‘Deep Fake 기술을 이용하여 딥보이스 범죄’, etc 범죄에 이용되는 deep fake영상들이 real인지 fake인지 구분해주어 실시간 화상통화나 실시간 방송 송출 등에서 fake 영상 사용을 예방할 수 있고 동영상 업로드 사이트에서 업로드 전에 fake 영상을 구분하여 deep fake 영상 악용 범죄를 예방할 수 있다. 데이터 Kaggle Competition에 존재하는 deep fake.. 공감수 0 댓글수 0 2023. 10. 31.
HW4 Daily COVID-19 confirmed cases prediction Let’s predict the daily number of confirmed cases of COVID-19 in Spain through recurrent neural network (RNN). Predicting the daily number of confirmed cases of COVID-19 is a regression problem. Dataset • Daily incidence of the 52 Spanish provinces for 450 days from January 1st , 2020 to March 27th, 2021 Q1 Let’s load the dataset using “pickle” python mo.. 공감수 0 댓글수 0 2023. 9. 11.
HW3 Chest X-ray (Pneumonia 폐렴) Classification problem ◦ input variable: images ◦ 1 binary output variable (pneumonia or normal)  5863 x-ray images ◦ Already split into train, validation and test. Q1 Data preprocessing: The image sizes all vary. Thus, resizing is essential. ◦ When loading images, resize the image into [128, 128] ◦ flow_from_directory(train_dir, target_size=(128,128), batch_size=20,c.. 공감수 0 댓글수 0 2023. 9. 11.
HW2 Breast Cancer Wisconsin Dataset Classification problem ◦ 10 input variables ◦ 1 binary output variable (benign or malignant)  569 data samples ◦ Use the first 100 samples as test set ◦ Use the next 100 samples as validation set ◦ Use the others as training set ◦ Use Numpy slicing. Do not use the “train_test_split” function. Data Preparation Download breast-cancer-wisconsin.data  Remove the row.. 공감수 0 댓글수 0 2023. 9. 7.
HW1 Problem #1. Problem #2. 공감수 0 댓글수 0 2023. 9. 5.
PCA #13 from tensorflow.keras import layers, models from tensorflow.keras.datasets import mnist from tensorflow.keras import backend as K import numpy as np import matplotlib.pyplot as plt def Conv2D(filters, kernel_size, padding="same", activation="relu"): return layers.Conv2D(filters, kernel_size, padding=padding, activation=activation) class SCAE(models.Model): def __init__(self, org_shape=(1,28,28)).. 공감수 0 댓글수 0 2023. 9. 5.
PCA #12 from tensorflow.keras import layers, models class AE(models.Model): def __init__(self, x_nodes=784, z_dim=36): x_shape = (x_nodes,) x = layers.Input(shape=x_shape) z = layers.Dense(z_dim, activation='relu')(x) y = layers.Dense(x_nodes, activation='sigmoid')(z) # Essential parts: super().__init__(x, y) self.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) # Optional Par.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #11 import os import numpy as np class Data(): def __init__(self, fname, ratio): f = open(fname) data = f.read() f.close() lines = data.split("\n") header = lines[0].split('.') lines = lines[1:] values = [line.split(",")[1:] for line in lines] self.float_data = np.array(values).astype('float32') self.data_length = self.float_data.shape[-1] self.ratio = ratio self.train_set_length = int(self.float_da.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #10 from tensorflow.keras.preprocessing.image import ImageDataGenerator from tensorflow.keras import models, layers, optimizers from tensorflow.keras.callbacks import EarlyStopping import matplotlib.pyplot as plt from tensorflow.keras.applications import VGG16 # set image generators train_dir='./datasets/cats_and_dogs_small/train/' test_dir='./datasets/cats_and_dogs_small/test/' validation_dir='./da.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #9 from tensorflow.keras.preprocessing.image import ImageDataGenerator from tensorflow.keras import models, layers, optimizers from tensorflow.keras.callbacks import EarlyStopping import matplotlib.pyplot as plt # set image generators train_dir='./datasets/cats_and_dogs_small/train/' test_dir='./datasets/cats_and_dogs_small/test/' validation_dir='./datasets/cats_and_dogs_small/validation/' train_da.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #8 from tensorflow.keras.datasets import cifar10 from tensorflow.keras.utils import to_categorical from tensorflow.keras import models, layers from tensorflow.keras.callbacks import EarlyStopping import numpy as np import matplotlib.pyplot as plt # data loading (X_train, Y_train), (X_test, Y_test) = cifar10.load_data() # data preprocessing X_train = X_train / 255.0 X_test = X_test / 255.0 num_class.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #7 Kaggle의 레드와인의 질에 대한 데이터셋(Red Wine Quality | Kaggle)을 이용하여 다음의 실험을 진행하라. (즉 kaggle에서 notebook을 열어도 좋고, data를 다운로드 받아 google colab을 사용해도 좋음.) 다음의 조건들을 만족하도록 코드를 구성하고, 실험하도록 한다. Perform the following experiment using the Kaggle's dataset on “the quality of red wine” (Red Wine Quality | Kaggle). You may open a notebook directly in kaggle, or user google colab with its downloaded data.) Write-down yo.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #5 from keras.models import Sequential from keras.layers import Dense from keras.datasets import mnist from keras.utils import to_categorical # 데이터셋 로드 및 전처리 (train_images, train_labels), (test_images, test_labels) = mnist.load_data() L, W, H = train_images.shape train_images = train_images.reshape((60000, W * H)) train_images = train_images.astype('float32') / 255 test_images = test_images.reshape.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #6 In this practice, you will do an experiment with the IMDB example. In the question, “X” means the last 3 digits of your student ID. (so almost everyone has his/her own distinct results.) 아래 문제에서는 수업시간에 진행한 IMDB 예제를 가지고 간단한 실험을 진행합니다. 문제에 나오는 “X”는 여러분 학생증의 학번의 끝 3자리입니다. (즉 모든 학생은 각각 다른 결과를 얻게 됩니다.) from tensorflow.keras.datasets import imdb import numpy as np (train_data, train_labels), (test_dat.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #4 Problem #1 ANN(1)에서 사용한 첫번째 예제(y=2x+1을 학습하는 예제)를 가지고 새로운 실험을 진행한다. 해당 프로그램은 y=2x+1을 학습하기 위해 입력데이터로 2개의 데이터 (x[:2]) 를 사용하였다. 한개의 데이터로도 학습이 가능할까? 예를 들어 x[2]와 y[2]만을 가지고 학습하면 어떻게 될까? 14번 문장을 아래와 같이 수정하여 학습시킨다. x1=np.array([x[2]]) y1=np.array([y[2]]) model.fit(x1,y1, epochs=2000, verbose=0) 수정후 결과를 출력해보아라 2개의 데이터를 사용하여 학습을 시킨 결과보다 한 개의 데이터로 학습을 하였을 때 정확도가 더 떨어진 결과를 볼 수 있다. 학습시키는 데이터의 수가 많을수록 학습 정확도가.. 공감수 0 댓글수 0 2023. 9. 5.
PCA #1~3 Problem #1 google colab을 이용하여 첨부된 practice1.csv화일을 google drive에 올리고, 해당 화일을 읽어들여 모든 숫자를 더하여 출력하는 프로그램을 작성하세요. (numpy.loadtxt를 사용해서 csv를 읽어올 것.) Problem #1 다음과 같은 데이터가 들어있는 numpy ndarray를 만들려면 어떤 명령어를 입력해야하는가? array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [11, 12, 13, 14]]) Problem #2 주어진 numpy array에서 7을 출력하게 하려면 어떻게 indexing을 해야하는가? python 명령어를 쓰세요. Problem #3 slicing을 통해 아래와 같은 형태를 얻으려면 어떤 명령어가 필요한가? .. 공감수 0 댓글수 0 2023. 9. 5.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.