본문 바로가기

BLOG

[AI 서비스 리뷰] 내가 그린 낙서 그림을 인식하는 인공지능, Quick Draw! 리뷰기 AI 서비스 리뷰 : AI 서비스 대신 체험해드립니다! #1 내가 그린 낙서 그림을 인식하는 인공지능 : Quick, Draw! 리뷰기 한 번쯤 캐치마인드 또는 텔레스트레이션 게임을 통해서, 또는 종이에 낙서를 그려서 해당 그림이 무슨 단어인지 맞추는 게임을 해보셨을 텐데요, 이번에 리뷰할 AI 프로그램은 바로 'Quick, Draw!'라는 프로그램입니다! Quick Draw는 2016년도에 구글이 개발한 온라인 게임으로, 사용자가 사물이나 개념에 대한 그림을 그리면 인공지능을 통해 해당 낙서가 무엇인지 추측하게 됩니다. 그리고 또한 사용자들이 낙서한 데이터를 모아 오픈소스로 공유까지 하고 있답니다. 그러면 이제 Quick Draw를 리뷰해보도록 하겠습니다! Quick, Draw!(사이트 바로가기) #1.. 더보기
[데이터 리뷰] 스마트 치안 분야 공공 데이터 (2)가정폭력 영향요소 융합데이터 데이터 리뷰 : 데이터 대신 읽어드립니다! #2 스마트 치안 빅데이터 플랫폼_가정폭력 영향요소 융합데이터 지난 데이터 리뷰기에서는 '스마트 치안 빅데이터 플랫폼'에서 제공하는 "사건사고가 발생한 지역에 대한 상권규모, 유동인구, 활동인구, 거주인구, 날씨정보 데이터"를 읽어보고, 사회 안전 및 스마트 치안과 관련된 인공지능 서비스와 데이터 분석에 활용할 수 있는 방안까지 생각해보았습니다. 이번 데이터 리뷰기에서도 스마트 치안 빅데이터 플랫폼에서 다른 데이터를 읽어보고자 하는데요, 특히 '가정폭력'에 영향을 미치는 요소가 담긴 데이터를 읽어보려고 합니다. 어떠한 요소들이 가정폭력 사건이 발생하는 데에 영향을 미치는지 데이터를 읽어보고, 해당 데이터를 분석하여 어떻게 활용하면 좋을지도 생각해 보도록 하겠습니.. 더보기
[데이터 리뷰] 스마트 치안 분야 공공 데이터 (1)사건사고지역 데이터 리뷰 : 데이터 대신 읽어드립니다! #1 스마트 치안 인공지능 서비스 개발 및 데이터분석을 위한 데이터_"스마트 치안 빅데이터 플랫폼" 요즘 뉴스를 보면, 사회에선 각종 범죄가 발생하고, 상상을 초월한 범죄 수단과 형태를 보며, 과연 우리가 앞으로 안전을 보장받을 수 있을까 라는 생각이 들게 하는데요, 이에 대해 범죄를 예방하고 범죄율을 줄이기 위한 데이터 분석 및 인공지능을 결합한 안전 프로그램 개발이 중요시되고 있습니다. 하지만 관련 데이터나 의미가 있는 데이터가 없다면 서비스 개발 및 데이터 분석이 어려울 수 있는데요, 이번 데이터 리뷰기에서는 치안 등 안전과 관련된 서비스 프로그램 개발 및 데이터 분석에 활용할 만한 데이터로 어떤 게 있는지 살펴보고자 합니다. 또한 해당 데이터가 어떻게 이.. 더보기
[AI 서비스 리뷰] 초코쿠키 요리법까지 알려주는 인공지능, 네슬레(NESTLE)의 Ruth 리뷰기 AI 서비스 리뷰 : AI 서비스 대신 체험해드립니다! #1 네슬레(NESTLE)의 쿠키 코치 Ruth 리뷰기 요즘 인공지능이 여러 분야와 결합해 다양한 AI 서비스가 나오고 있는데요, 첫 번째로 리뷰할 AI 서비스는 바로 NESTLE의 인공지능 쿠키 코치(Cookie Coach) Ruth입니다. 네슬레(Nestle) 제품은 한 번쯤 쿠키, 초콜릿, 커피, 음료 등으로 접해보셨을 텐데요, 네슬레에서는 자사의 초코칩 쿠키 요리법을 소비자가 직접 만들어 볼 수 있도록 인공지능 코치가 도와주는 서비스 프로그램이 개발되었습니다. 바로 위 사진의 Cookie Coach인 Ruth가 바로 인공지능인데요, 요리법을 단계별로 알려주며, 원하는 쿠키를 만들 수 있도록 요리법을 변경해주고, 중간에 관련된 질문에 대해 대답.. 더보기
AAE (Adversarial AE) 【8】최근 AutoEncoder 응용 모델 이해하고 사용하기 / AAE AAE (Adversarial AE) 이번에는 AAE(Adversarial AE)를 배워보자. AAE는 VAE와 GAN을 합친 모델이다. GAN은 다음시간에 배울 내용이며 GAN을 보고 오시면 이해가 쉽다. AAE는 GAN에 구조를 띄고 있고 제너레이터(generator)를 VAE로 바꾼 모델이다 try: %tensorflow_version 2.x" except Exception: pass import tensorflow as tf from tensorflow.keras import layers,models,datasets,losses import numpy as np import matplotlib.pyplot as plt 모델을 .. 더보기
CVAE (Convolution VAE) 【8】최근 AutoEncoder 응용 모델 이해하고 사용하기 / CVAE CVAE (Convolution VAE) Convolution VAE를 해보자 기존에 사용했더 VAE는 순환 신경망를 사용하였지만 이번 모델은 CNN으로 바꾼 모델이다. 패키지들은 VAE와 동일하게 때문에 생략을 한다. (x_train, _), (x_test,_) = datasets.mnist.load_data() x_train = x_train.astype('float32') / 255. x_train = x_train.reshape(-1,28,28,1) x_test = x_test.astype('float32') / 255. x_test = x_test.reshape(-1,28,28,1) CNN을 사용하기 때문에 차원은 2차원이.. 더보기
VAE(Variational Auto Encoder) _인코더, 평균 분산 【8】최근 AutoEncoder 응용 모델 이해하고 사용하기 / VAE VAE(Variational Auto Encoder) _인코더, 평균 분산 확률분포를 이용하는 모델인 VAE(Variational Auto Encoder)를 알아보자 try: %tensorflow_version 2.x" except Exception: pass import tensorflow as tf from tensorflow.keras import layers,models,datasets,losses from tensorflow.keras import backend as K import numpy as np import matplotlib.pyplot as plt VAE모델 만들기에 앞서 패키지들을 선언을 한다. 새롭게 추가된 .. 더보기
Convolutional AE 【8】최근 AutoEncoder 응용 모델 이해하고 사용하기 / Convolutional AE Convolutional AE 이번에는 CNN과 AE과 결합된 모델인 CAE를 실습해보자 이미지에서 강점을 보인 CNN이기 때문에 성능은 좋아졌다. 바로 CAE로 생성된 mnist 이미지부터 보겠습니다. 위에 있는 이미지는 원본이미지고 아래는 CAE로 나온 예측 이미지다. 손실이 거의 발생하지 않은 상태의 이미지인 것을 확인 할 수가 있다. 높은 성능을 보이기에 책에는 따로 실습을 담지 않았지만 실습파일에는 있으니 시간이 있다면 실습을 하는걸 추천한다. 실습은 노이즈가 섞인 이미지 데이터를 CAE로 학습하는 것을 할 것이다. try: %tensorflow_version 2.x" except Exception: .. 더보기
Deep AE를 이용한 가짜 이미지 생성 【7】AutoEncoder 기본 다지기 / 이미지 생성 실습으로 익히는 AE 이번에는 Deep AE를 배워보자 기존에 AE에서 순환신경망을 여러 개 쌓아 깊게 변형된 모델이다 기존코드에서 사용했던 모듈들을 그대로 사용하기에 전처리까지는 생략을 한다(이전 글 참고). Hidden_input1 = 512 Hidden_input2 = 256 Hidden_input3 = 128 Hidden_input4 = 64 Hidden_input5 = 32 input_layer = layers.Input(shape=(784,)) Encoding = layers.Dense(Hidden_input1)(input_layer) Encoding = layers.Dense(Hidden_input2)(Encoding) Encoding .. 더보기
<AE 이미지 생성 실습> 직접 코드 구현해보기 【7】AutoEncoder 기본 다지기 / 이미지 생성 실습으로 익히는 AE 이번에는 AE 모델을 만들어보자 try: %tensorflow_version 2.x" except Exception: pass import tensorflow as tf import numpy as np from tensorflow.keras import layers,models,datasets import matplotlib.pyplot as plt 모델을 작성하기 전 간단히 패키지를 선언한다. (x_train,_),(x_test,_) = datasets.mnist.load_data() 학습에 사용할 데이터셋은 Mnist이고 AE는 비지도 학습이므로 y의 값을 불러 올 필요가 없다. x_train = x_train.astype.. 더보기

티스토리툴바