Team Project58 주제 선택, 그리고 일단 공부 계획 보호되어 있는 글 입니다. 2020. 3. 14. flask(플라스크) + darkflow YOLO/GCP로 트레이닝한 모델 테스트해보기/ajax활용한 웹 ML 팀(수현,현주,연수) 1. 0~9, a~z 각 200개씩 2000번 트레이닝시킴. (약 9~10일 소요. 크레딧 $200 소요) 트레이닝된 cfg,pb,meta ==> web팀에 넘김. 2. (수현) 테스트하기 위해 파일명 맨 앞에 해당되는 라벨명 붙여서 실제 라벨과 예측 결과(json)에서 confidence 가장 높은 라벨과 비교하는 방식으로 테스트함. 보다시피 숫자는 잘 디텍트했지만 알파벳은 잘 디텍트하지 못했음. 모델 개선과 더 많은 데이터 트레이닝이 필요함. 3. 해상도 체크해보기(YOLOv3-tiny는 기본적으로 416x416으로 Resizing한 뒤 학습을 하도록 설정이 되어 있기 때문에(출처: https://murra.tistory.com/ [Murra Blog]) 앞으로 트레이닝할 .. 2020. 3. 8. study [contents based filtering] 'Contents based filtering'은 콘텐츠에 대한 분석을 기반으로 추천하는 방식입니다. 사용자가 특정 아이템을 선호하는 경우 그 아이템과 비슷한 콘텐츠를 가진 다른 아이템을 추천해줍니다. 영화 콘텐츠의 경우라면 스토리나 등장인물, 감독을, 상품이라면 상세 페이지의 상품 설명을 분석합니다. 예를 들어 사용자 A가 Item A에 굉장히 높은 평점을 주었는데 그 Item A가 액션 영화이며 B 감독의 작품이라면 B 감독의 다른 액션 영화를 추천해주는 것입니다. 굉장히 단순한 아이디어로 과거에 사용했으나 현재는 잘 사용하지 않는 방법입니다. 이 Contents-based filtering은 CF의 한계를 일부 보완해줄 수 있습니다. 아무런 정보가 없는 유저에게 여러 상품을 무작위로 노출시킨다음, .. 2020. 3. 7. 200302 회의록 행아웃으로 간단하게 진행상황 이야기로 회의하였음. 원래 3월 9일날 오프회의를 진행. 하기로 했으나 3주차 4주차가 온라인 강의로 진행되는 관계로 4월 초로 연기함. 매주 월요일 4시 행아웃으로 회의를 하고있고 다음 회의는 3월 9일날 행아웃으로 진행 예정. 다솜- 서버부분 공부 지연- 미디파일 처리, 안드로이드 스튜디오로 제작 현진- XML 화면 구성이랑 일기 쓰는 부분 화면 '3 새로 맡음 현지- 달력 제작하고 기능 추가예정. 2020. 3. 2. 2020.01.27~2020.02.09 회의록 및 스터디 1. 스터디 1) 딥러닝 팀원 모두가 유튜브 [모두를 위한 딥러닝] (인프런에도 있음) 강의를 2주씩 끊어서 섹션 7까지, 섹션 15까지 수강하기로 했음 2) 프론트엔드 하경 : 리액트 해커톤 참여 및 인강으로 보충 주혜 : [생활코딩 자바스크립트 웹] 강의 완강 3) 백엔드 1주일 단위로 범위를 정하여 Node.js 인강을 듣고 실습하는 스터디를 진행 중 1. 생활코딩 WEB2 - Node.js 2. Node.js 웹개발로 알아보는 백엔드 자바스크립트의 이해 3. 나라별 언론사 사이트 크롤링 실습 진행 2020. 3. 1. 2020.02.10~2020.02.23 회의록 및 스터디 백엔드 지난주에 못한 뉴스 크롤링을 마무리하였다. 웹 페이지에 보여줄 키워드 선택을 위해 필요한 코사인 유사도에 대해 공부하고 추천 시스템을 구현해보았다. (https://wikidocs.net/24603) node.js에서 mysql을 사용해보았다. (https://medium.com/wasd/node-js%EC%97%90%EC%84%9C-mysql-%EC%82%AC%EC%9A%A9%ED%95%98%EA%B8%B0-1-b4b69ce7433f) 코사인 유사도 계산 from numpy import dot from numpy.linalg import norm import numpy as np def cos_sim(A,B): return dot(A,B)/(norm(A)*norm(B)) doc1 = np.arr.. 2020. 3. 1. 스터디1-Collaborative Filtering(협업필터링) 추천 시스템(Recommendation System)은 일반적으로 collaborative filtering 방식과 content-based filtering 방식을 통해 이루어진다. collaborative filtering에 대한 스터디 내용이다. collaborative filtering(CF)은 많은 사용자들로부터 모은 취향 정보들을 기반으로 하여 스스로 예측하는 기술을 말한다. 기본적으로 협업 필터링에는 Memory-based, Model-based, Hybrid가 있으며, 이 중 Memory-based 협업 필터링을 통해 적당히 합당한 결과를 도출할 수 있다. Memory-based CF는 유사도(similarity)를 기반으로 동작하며 유사도를 얻는 기준에 따라 'user-based CF'와.. 2020. 2. 28. 프로젝트 방향성 회의 내용 프로젝트 주제 Recommendation system을 활용한 콘텐츠 큐레이션 시스템 : 네이버 웹툰을 중심으로 콘텐츠 큐레이션 레퍼런스 •Youtube 추천 알고리즘 -> 트렌드에 따라, 사용자의 관심에 따라 •Netflix 추천 시스템 -> 사용자의 취향(선호도)에 따라 표지 이미지도 다르게 보여줌. 개별 홈 화면 구성 Ex) 보헤미안 랩소디의 경우 ‘음악적’ 취향이 강한 유저에게는 라이브 공연장면을 표지로 ‘드라마적’ 취향이 강한 유저에게는 멤버들과 함께 웃는 얼굴을 어떤 분류기준이 필요할까? •Netflix -> 실화 바탕 영화, 베스트셀러 소설 기반, 주도적이고 강한 여성이 등장, •웹툰은? 줄거리, 분위기(그림체), 등장인물의 특성, 연재 방식도 중요할까? (매일) 회차의 길이? 소재, 배우,.. 2020. 2. 28. 프로젝트 진행 상황 + 2/1까지 할 일 [프로젝트 진행 상황] 1. GCP에서 darkflow로 model training을 진행 중이다. 2. 모델을 어떻게 웹으로 불러올지 조사하고 코드를 분석했다. - tensorflow js를 사용하는 방법과 flask or django를 사용하는 방법을 조사 1) tensorflow js - teachable machine https://teachablemachine.withgoogle.com/?fbclid=IwAR2y1juwJUpJ6rcHbcy4RkjAP1paKrFagfCyHR3399fhobUOuTAQGMe7nsk Teachable Machine Train a computer to recognize your own images, sounds, & poses. A fast, easy way to cre.. 2020. 2. 24. 이전 1 2 3 4 5 ··· 7 다음
