반응형 Python/AI4 Crested Gecko 성별 구분 AI 개발 - 정확도 91%로 도약 안녕하세요! 지난 블로그 글에서 Crested Gecko(크레스티드 게코)의 성별을 구분하는 딥러닝 모델 개발 과정을 소개하며, CNN을 활용한 초기 모델 설계와 데이터 증강, L2 정규화를 통해 손실을 줄이는 과정을 다뤘습니다. 당시 모델의 정확도는 약 70%에 근접했고, 손실은 L2 정규화로 2.0대까지 낮췄지만, 학습 데이터 부족으로 인해 과소적합(underfitting)이 의심되는 상황이었습니다. 이번 글에서는 데이터 추가와 모델 세부 조정, 그리고 몇 가지 개선 방법을 통해 정확도를 91%까지 끌어올린 과정을 공유하려고 합니다.1. 개선 과정 개요이전 모델의 한계를 극복하기 위해 다음과 같은 접근법을 적용했습니다:학습 데이터 증가: 데이터 부족 문제를 해결하기 위해 더 많은 사진 데이터를 수집했.. 2025. 3. 5. [GGA] CNN ,L2 정규화 활용하여 학습 시키는 과정 정리 Crested Gecko 성별 구분 AI 개발 과정안녕하세요! 이전 블로그에서는 개발환경 구상에 대한 내용을 적어 보았으며 이번에는 Crested Gecko(크레스티드 게코)의 성별을 구분하는 딥러닝 모델을 개발하는 과정을 소개하려고 합니다. 이번 프로젝트는 TensorFlow와 Keras를 활용하여 CNN(Convolutional Neural Network)을 구현하고, 데이터를 증강하여 모델의 성능을 극대화하는 과정을 다룹니다.1. 프로젝트 소개크레스티드 게코의 성별을 구분하기 위해 사진 데이터를 사용하여 AI 모델을 학습시키는 프로젝트입니다. 이번 프로젝트의 주요 목표는 딥러닝 모델을 통해 성별을 효과적으로 분류할 수 있도록 하는 것입니다.2. 데이터 준비데이터 경로 설정데이터는 "aicres/" .. 2025. 1. 23. [GGA] 데이터 수집 및 개발 환경 -VScode(파이썬 적용 및 이전 버전 설치) 안녕하세요. 일전 [GeckoGenderAI]란 이름으로 소소한 프로젝트 시작한다고 구상 및 간단한 진행 방향을 글로 적었었는데. 지금까지 진행사항 공유를 하도록 하겠습니다. 1. 데이터 수집데이터는 인터넷과 주변 단톡방에서 허락을 받고 사진을 각 100장씩 모았으며 해상도나 선명도를 중점적으로 모았습니다. 사실 저는 분양을 할 때 제외하고는 천공을 잘 보지 않는데..(키우다가 어느정도 크기 되면 알이 나오면 숫이구나~~) 심지어 천공을 보더라도 사진으로 찍는게 아니고 루페를 통해서 바로 확인을 한답니다. 쨋든 일단 Female,Male 각 100장씩 모았고 분류를 진행 하였습니다. 2. 개발 환경 구축개발 환경은 원래 C#을 자주 사용하여 편안한 C#을 베이스로 비쥬얼 스티디오로 개발을 할려고 하였으나.. 2025. 1. 22. [GeckoGenderAI] 프로젝트 구상 및 시작하기. 요즘 AI 관련하여 개발자들 사이에서도 항상 이슈가 되어가고 있습니다. 그래서 공부겸 블로그 글 적을겸 프로젝트를 하나 구상해서 착실하게 쌓아 보려고 합니다. 프로젝트명은 "GeckoGenderAI" 이며 제가 키우고 있는 크레스티드게코란 종이 성별을 구분하기에 천공을 보는법이 가장 일반적이며 천공을 보지 못하는 경우에는 어느정도 키워서 알이 튀어 나오는것을 확인 하여야 합니다. 입문자나 초보자들은 쉽게 판단하지 못하고 부위도 잘 모르기에 간단하게 어플이나 쉽게 사용가능하게 웹형태의 무언갈 만들어서 제공하면 어떨까란 생각에 한 번 공부겸 해보려고 합니다. 진행 단계는1. 데이터 수집2. 데이터 전처리3. 모델 선정 및 특성파악4. 학습5. 모델평가6. 프로그램 제작 순으로 진행 할 예정이며 각 단계별로 .. 2025. 1. 9. 이전 1 다음 반응형
